Khoa Toán-Tin học Đại học Khoa học Tự nhiên TPHCM tổ chức các lớp học với các giảng viên thỉnh giảng trong hè 2018. Các lớp hè, cùng với hội nghị Gặp gỡ Mùa hè, là hoạt động truyền thống nhiều năm qua ở Khoa Toán-Tin học.

Đối tượng tham dự

Các lớp học không thu phí, không tính tín chỉ. Người học được nhận một giấy chứng nhận hoàn thành lớp học nếu có yêu cầu. Các lớp học thích hợp cho các sinh viên đại học chuyên ngành toán, học viên cao học, nghiên cứu sinh, những người đang làm việc, và mọi người có quan tâm … Người muốn dự cần đăng kí bằng cách điền vào mẫu trực tuyến dưới đây. Đề nghị chỉ đăng kí khi thật sự có ý định tham dự.

Mẫu đăng kí học các lớp hè
Danh sách người đã đăng kí

Liên hệ

web: http://www.math.hcmus.edu.vn; email: This email address is being protected from spambots. You need JavaScript enabled to view it.

Danh sách các lớp

1 Bayesian methods for machine learning

• Giảng viên: Lizhen Lin (University of Notre Dame, Mỹ)
• Thời gian: Thứ năm, Thứ sáu 5–6/7, 2 buổi sáng, 9:00-11:30, Phòng F207.
• Tóm tắt:
  1. Parametric Bayesian analysis in Machine learning
     • Basics on Bayesian inference;
     • An intro to Markov Chain Monte Carlo (e.g., Gibbs sampler);
     • Factor analysis and dictionary learning;
  2. Non-parametric Bayesian analysis in Machine learning
     • Dirichlet process (DP);
     • DP mixture models;
     • Gaussian process for regression/classification/density estimation; Latent gaussian process models;
     • Bayesian optimizations;
  3. Neural networks and Bayesian deep learning (if time permits);

2 An Introduction to the mathematics of machine learning

• Giảng viên: Hien Tran (North Carolina State University Raleigh, Mỹ)
• Thời gian: 16–18/7, 3 buổi, Phòng F207
• Monday, July 16
  Lecture:     9:00-10:15
  Break:    10:15-10:45
  Lecture:    10:45-12:00
  
  Lecture:    2:00-3:15
  Break:    3:15-3:45
  Lecture:    3:45-5:00
  
  Wednesday, July 18
  Lecture:     9:00-10:15
  Break:    10:15-10:45
  Lecture:    10:45-12:00
   
• Tóm tắt:
  • Monday’s morning: Supervised Learning
    • Linear discriminant analysis (LDA),
    • Support vector machines (SVMs),
    • K-nearest neighbors (k-NN),
    • Classification trees (CT)
  • Monday’s afternoon: Model Evaluation and Feature Selection
    • Model evaluation: Confusion matrix, loss function, hypothesis testing,
    • Feature selection: Principal component analysis (PCA), ROC, hypothesis testing
  • Wednesday’s morning:
    • Unsupervised learning: k-means clustering,
    • Neural networks and deep learning

3 Level set method and mean curvature flow equation

• Giảng viên: Hung Tran (University of Wisconsin Madison, Mỹ).
• Tóm tắt: Abstract: I will present some basic results on the level set method and mean curvature flow equation (MCF). In particular, I will prove well-posedness of viscosity solutions to MCF. Some background on viscosity solutions can be found in Appendix of the lecture notes of Mitake and I http://www.math.wisc.edu/~hung/Mitake-Tran-LN.pdf, but are not really required to take the class.
• Thời gian: 16–19/7, 4 buổi, Phòng F207.
• Thứ 3, 17/7/2018 Sáng 9-11h (nghỉ giữa giờ 15-20p), Chiều 2-4h (nghỉ giữa giờ 15-20p).
  Thứ 4, 18/7/2018, Chiều 2-4h (nghỉ giữa giờ 15-20p).
  Thứ 5, 19/7/2018, Sáng 9-11h (nghỉ giữa giờ 15-20p).