Computer Science Department - Faculty of Information Technology

21/12/2024

𝑺𝒆𝒎𝒊𝒏𝒂𝒓 𝒌𝒉𝒐𝒂 𝒉𝒐̣𝒄 đ𝒊̣𝒏𝒉 𝒌𝒚̀ 𝒃𝒐̣̂ 𝒎𝒐̂𝒏 𝑲𝒉𝒐𝒂 𝒉𝒐̣𝒄 𝒎𝒂́𝒚 𝒕𝒊́𝒏𝒉 – 𝑲𝒉𝒐𝒂 𝑪𝑵𝑻𝑻 – Đ𝑯𝑪𝑵
--------------------------------------------------------------------------PGS. TS. Chánh Kiều
- Thời gian: 15:00 - 17:00, thứ 2, ngày 23/12/2024
- Địa điểm: Phòng 212 - E3
- Chương trình (Flyer gửi kèm email)
- Điều phối khoa học: PGS. TS. Nguyễn Thị Nhật Thanh
- Tham gia online trên MS Team: https://tinyurl.com/y4esb25w
Meeting ID: 432 468 094 586
Passcode: oE7755xQ
---------------------------------------------
PGS. TS. Chánh Kiều
PGS. TS. Chánh Kiều là Phó Giáo sư trong lĩnh vực Khoa học Khí quyển tại Đại học Indiana Bloomington, Hoa Kỳ. Lĩnh vực nghiên cứu chuyên môn của ông chủ yếu tập trung vào mô hình hóa và lý thuyết về xoáy thuận nhiệt đới, khả năng dự đoán của khí quyển, đồng hoá dữ liệu (data assimilation) , và ứng dụng AI/ML trong dự báo thời tiết cực đoan.

𝗡𝗼̣̂𝗶 𝗱𝘂𝗻𝗴 𝘁𝗿𝗶̀𝗻𝗵 𝗯𝗮̀𝘆: Retrieving tropical cyclone intensity from climate output: AI approaches and challenges
Bài thuyết trình này sẽ thảo luận về những thách thức và chiến lược tiềm năng để thu thập cường độ xoáy thuận nhiệt đới (TC) từ dữ liệu phân tích lại khí hậu dạng lưới. Sử dụng hai kiến ​​trúc học sâu được sử dụng rộng rãi—mạng nơ-ron tích chập (CNN) và bộ biến đổi thị giác (ViT)—chúng tôi sẽ chỉ ra rằng các mô hình này có thể ước tính cường độ TC với sai số tuyệt đối trung bình là ±7,5 kts.
---------------------------------------------
TS. Harry Nguyễn
Tiến sĩ Harry Nguyễn là Giám đốc chương trình Thạc sĩ Khoa học Máy tính tại Trường Khoa học Máy tính và Công nghệ Thông tin, Đại học College Cork - Đại học Quốc gia Ireland, Cork, Ireland.

𝗡𝗼̣̂𝗶 𝗱𝘂𝗻𝗴 𝘁𝗿𝗶̀𝗻𝗵 𝗯𝗮̀𝘆: Reliable AI for Carbon Stock Estimation on a Global Scale from Aerial and Satellite Imagery.
Trong những nỗ lực đang diễn ra nhằm giảm thiểu tác động của biến đổi khí hậu, khả năng triển vọng đáng tin cậy về trữ lượng carbon có thể đầu tư trên quy mô toàn cầu là rất quan trọng để hỗ trợ các hành động vì khí hậu. Công trình nghiên cứu của chúng tôi tích hợp nhiều nguồn dữ liệu cảm biến từ xa, từ ảnh trên không đến ảnh vệ tinh, để đào tạo và phát triển hệ thống AI đáng tin cậy của chúng tôi. Chúng tôi giới thiệu một kỹ thuật mới để phân đoạn ngữ nghĩa cây, cung cấp một giải pháp thay thế hiệu quả hơn cho việc phân định tán cây riêng lẻ theo truyền thống để ước tính độ che phủ của cây trên quy mô lớn. Nghiên cứu này trình bày một hệ thống AI tương tác để khám phá các mảng thực vật cao và ước tính trữ lượng carbon trên quy mô lớn.

16/12/2024

𝑺𝒆𝒎𝒊𝒏𝒂𝒓 𝒌𝒉𝒐𝒂 𝒉𝒐̣𝒄 đ𝒊̣𝒏𝒉 𝒌𝒚̀ 𝒃𝒐̣̂ 𝒎𝒐̂𝒏 𝑲𝒉𝒐𝒂 𝒉𝒐̣𝒄 𝒎𝒂́𝒚 𝒕𝒊́𝒏𝒉 – 𝑲𝒉𝒐𝒂 𝑪𝑵𝑻𝑻 – Đ𝑯𝑪𝑵
--------------------------------------------------------------------------Diễn giả PGS. Nhật Hồ và các Nghiên cứu sinh KHMT
- Thời gian: 9:00 - 12:00, thứ 6, ngày 20/12/2024
- Địa điểm: Phòng 3-G3 – 144 Xuân Thủy
- Chương trình: đính kèm Flyer
- Điều phối khoa học: TS. Lê Đức Trọng
Để đảm bảo cho buổi Seminar được diễn ra thành công, mời mọi người đăng ký tham gia buổi seminar tại link sau trước 12:00 ngày 19/12/2024: https://forms.gle/LyTwCwpuj9XnAD1RA
---------------------------------------------
Diễn giả PGS. Nhật Hồ
Nhật Hồ hiện đang là Trợ lý Giáo sư về Khoa học Dữ liệu, Học Máy và Thống Kê tại Đại học Texas ở Austin. Ông là thành viên chính của Phòng thí nghiệm Học Máy tại Đại học Texas, Austin và là nhân sự cấp cao của Viện Nền tảng Học Máy.
𝗡𝗼̣̂𝗶 𝗱𝘂𝗻𝗴 𝘁𝗿𝗶̀𝗻𝗵 𝗯𝗮̀𝘆: Foundation of Mixture of Experts in Complex and Massive AI Models
Mixtures of experts (MoEs) là một lớp mô hình máy học thống kê kết hợp nhiều mô hình, được gọi là chuyên gia, để tạo thành các mô hình phức tạp và chính xác hơn, đã được kết hợp thành các kiến ​​trúc học sâu để cải thiện khả năng của các kiến ​​trúc này và các mô hình AI trong việc nắm bắt tính không đồng nhất của dữ liệu và mở rộng các kiến ​​trúc này mà không làm tăng chi phí tính toán. Phần trình bày gồm 2 nội dung chính:
- Ước lượng bình phương nhỏ nhất (LSE) theo mô hình MoEs xác định
- Ứng dụng lý thuyết vào trong học máy và trí tuệ nhân tạo (AI), bao gồm việc mở rộng hiệu quả các mô hình AI lớn với hàng tỷ tham số
---------------------------------------------
Poster khoa học
Các bài trình bày của nghiên cứu sinh bộ môn KHMT.

27/11/2024

18/11/2024

𝑺𝒆𝒎𝒊𝒏𝒂𝒓 𝒌𝒉𝒐𝒂 𝒉𝒐̣𝒄 đ𝒊̣𝒏𝒉 𝒌𝒚̀ 𝒃𝒐̣̂ 𝒎𝒐̂𝒏 𝑲𝒉𝒐𝒂 𝒉𝒐̣𝒄 𝒎𝒂́𝒚 𝒕𝒊́𝒏𝒉 – 𝑲𝒉𝒐𝒂 𝑪𝑵𝑻𝑻 – Đ𝑯𝑪𝑵
--------------------------------------------------------------------------
Hai diễn giả 𝐓𝐒. 𝐓𝐨̂́𝐧𝐠 𝐒𝐢̃ 𝐒𝐨̛𝐧 và 𝐓𝐒. 𝐌𝐚̂̃𝐧 Đ𝐮̛́𝐜 𝐂𝐡𝐮̛́𝐜.
- Thời gian: 14:00 - 16:00, thứ 5, ngày 21/11/2024
- Địa điểm: Phòng 405 - Nhà E3 – 144 Xuân Thủy
- Tham gia online trên MS Team: https://tinyurl.com/2cd4k6n2
Meeting ID: 435 173 010 608
Passcode: Ki6Kn349
- Chương trình: đính kèm Flyer
- Điều phối khoa học: PGS. TS. Nguyễn Thị Nhật Thanh
---------------------------------------------
𝐃𝐢𝐞̂̃𝐧 𝐠𝐢𝐚̉ 𝐓𝐒. 𝐓𝐨̂́𝐧𝐠 𝐒𝐢̃ 𝐒𝐨̛𝐧
𝗡𝗼̣̂𝗶 𝗱𝘂𝗻𝗴 𝘁𝗿𝗶̀𝗻𝗵 𝗯𝗮̀𝘆: 𝗖𝗼̂𝗻𝗴 𝗻𝗴𝗵𝗲̣̂ 𝘃𝗶𝗲̂̃𝗻 𝘁𝗵𝗮́𝗺 𝗨𝗔𝗩 𝘁𝗶́𝗰𝗵 𝗵𝗼̛̣𝗽 𝗔𝗜 𝘁𝗿𝗼𝗻𝗴 đ𝗮́𝗻𝗵 𝗴𝗶𝗮́ 𝘀𝘂̛́𝗰 𝗸𝗵𝗼̉𝗲 𝘁𝗵𝘂̛̣𝗰 𝘃𝗮̣̂𝘁
Đánh giá sức khỏe thực vật là thành phần cơ bản trong nghiên cứu hệ sinh thái và nông nghiệp chính xác. Công nghệ Viễn thám vệ tinh có thể quan trắc sức khỏe thực vật trên diện rộng nhưng gặp nhiều thách thức do hạn chế về độ phân giải, khả năng tiếp cận dữ liệu và mây bao phủ. Gần đây, công nghệ máy bay không người lái (UAV) mang các bộ cảm biến khác nhau (RGB, đa phổ, siêu phổ, hồng ngoại nhiệt) có thể cung cấp dữ liệu thay thế, bổ xung cho hạn chế của vệ tinh. Tuy nhiên, việc khai thác thông tin sức khỏe thực vật ẩn trong khối dữ liệu đa dạng thu được từ UAV về thực vật cần có các công cụ mạnh như học máy. Bài trình bày giới thiệu một số thực nghiệm sử dụng công nghệ UAV tích hợp các bộ cảm biến khác nhau trong nghiên cứu sức khỏe rừng ngập mặn và lúa.
---------------------------------------------
𝐃𝐢𝐞̂̃𝐧 𝐠𝐢𝐚̉: 𝐓𝐒. 𝐌𝐚̂̃𝐧 Đ𝐮̛́𝐜 𝐂𝐡𝐮̛́𝐜
𝐍𝐨̣̂𝐢 𝐝𝐮𝐧𝐠 𝐭𝐫𝐢̀𝐧𝐡 𝐛𝐚̀𝐲: 𝗙𝗼𝘂𝗻𝗱𝗮𝘁𝗶𝗼𝗻 𝗺𝗼𝗱𝗲𝗹𝘀 𝗶𝗻 𝗗𝗶𝗴𝗶𝘁𝗮𝗹 𝗘𝗮𝗿𝘁𝗵: 𝗥𝗲𝗰𝗲𝗻𝘁 𝗔𝗱𝘃𝗮𝗻𝗰𝗲𝘀 𝗮𝗻𝗱 𝗙𝘂𝘁𝘂𝗿𝗲 𝗣𝗲𝗿𝘀𝗽𝗲𝗰𝘁𝗶𝘃𝗲𝘀
Nghiên cứu Trái Đất Số (Digital Earth), khởi phát từ hơn hai thập kỷ trước, với mục tiêu tạo ra một bản sao số của Trái Đất, qua đó có thể nhúng dữ liệu quá khứ, hiện tại và giả lập các kịch bản tương lai, đã và đang phát triển mạnh mẽ và có nhiều đóng góp lớn vào sự phát triển trên nhiều lĩnh vực của xã hội. Những hệ thống thể hiện một phương diện nào đó của Trái Đất Số có thể kể đến như Google Map, Google Earth, mạng cảm biến, các hệ thống vệ tinh quan sát Trái Đất (Remote Sensing) thu thập dữ liệu, Digital Twin. Những hệ thống này đều thu thập, xử lý, phân tích dữ liệu địa không gian lớn. Với sự phát triển của trí tuệ nhân tạo, đặc biệt là các mô hình nền tảng, hứa hẹn sẽ thay đổi cách sử dụng, phân tích dữ liệu địa không gian. Cụ thể, bài trình này sẽ bao gồm nội dung tổng quan về ngành nghiên cứu Trái Đất Số và những nghiên cứu gần đây cùng với xu hướng tương lai trong việc phát triển các mô hình nền tảng ứng dụng trong phân tích dữ liệu địa không gian.

18/11/2024

16/10/2024

𝑺𝒆𝒎𝒊𝒏𝒂𝒓 𝒌𝒉𝒐𝒂 𝒉𝒐̣𝒄 đ𝒊̣𝒏𝒉 𝒌𝒚̀ 𝒃𝒐̣̂ 𝒎𝒐̂𝒏 𝑲𝒉𝒐𝒂 𝒉𝒐̣𝒄 𝒎𝒂́𝒚 𝒕𝒊́𝒏𝒉 – 𝑲𝒉𝒐𝒂 𝑪𝑵𝑻𝑻 – Đ𝑯𝑪𝑵
--------------------------------------------------------------------------
Hai diễn giả 𝐓𝐒. 𝐏𝐡𝐚̣𝐦 𝐇𝐮𝐲 𝐇𝐢𝐞̣̂𝐮 và 𝐏𝐆𝐒.𝐓𝐒. 𝐌𝐚𝐢 𝐀𝐧𝐡 𝐓𝐮𝐚̂́𝐧.
- Thời gian: 14:00-16:00, thứ 5, ngày 17/10/2024
- Địa điểm: Phòng 405 - Nhà E3 – 144 Xuân Thủy
- Tham gia online trên MS Team: https://t.ly/dmh6_
Meeting ID: 467 479 779 234
Passcode: dcC5SD
- Chương trình: đính kèm Flyer
- Điều phối khoa học: TS. Lê Đức Trọng
---------------------------------------------
𝐃𝐢𝐞̂̃𝐧 𝐠𝐢𝐚̉ 𝐓𝐒. 𝐏𝐡𝐚̣𝐦 𝐇𝐮𝐲 𝐇𝐢𝐞̣̂𝐮
Tiểu sử: TS. Phạm Huy Hiệu hiện là Trợ lý Giáo sư tại Viện Kỹ thuật và Khoa học Máy tính (CECS), VinUni, đồng thời là Thành viên sáng lập kiêm Chuyên gia Nghiên cứu tại Trung tâm Nghiên cứu Sức khỏe Thông minh VinUni-Illinois (VISHC). Ông cũng đang đảm nhiệm vai trò Giám đốc Khoa học Phòng thí nghiệm Khởi nghiệp tại Đại học VinUniversity. Ông nhận bằng Tiến sĩ Khoa học Máy tính của Viện Nghiên cứu Khoa học Máy tính Toulouse (IRIT), Viện Đại học Toulouse, Pháp, năm 2019. Trước đó, ông nhận bằng Kỹ sư Tin học Công nghiệp của Đại học Bách Khoa Hà Nội (HUST) năm 2016.
𝐍𝐨̣̂𝐢 𝐝𝐮𝐧𝐠 𝐭𝐫𝐢̀𝐧𝐡 𝐛𝐚̀𝐲: 𝐀𝐈 𝐢𝐧 𝐌𝐞𝐝𝐢𝐜𝐢𝐧𝐞: 𝐑𝐞𝐜𝐞𝐧𝐭 𝐀𝐝𝐯𝐚𝐧𝐜𝐞𝐬 𝐚𝐧𝐝 𝐅𝐮𝐭𝐮𝐫𝐞 𝐏𝐞𝐫𝐬𝐩𝐞𝐜𝐭𝐢𝐯𝐞𝐬
Trong thập kỷ qua, Trí tuệ nhân tạo (AI) đã trở thành một công cụ quan trọng trong lĩnh vực y tế, góp phần vào việc phát hiện bệnh sớm, chẩn đoán lâm sàng và y học cá nhân hóa. Bài trình bày thảo luận về xu hướng tương lai của chăm sóc sức khỏe toàn cầu, tập trung vào một số tiến bộ mới nhất trong việc áp dụng AI vào các ứng dụng phân tích chẩn đoán và hình ảnh, đặc biệt là đối với các bệnh nguy hiểm và phổ biến ở Việt Nam. Cụ thể, bài trình bày sẽ chỉ ra những lợi ích đáng kể mà AI mang lại trong việc tối ưu hóa quy trình làm việc của bác sĩ, đặc biệt là trong việc phân loại bệnh nhân, giảm thời gian chẩn đoán và tăng hiệu quả, cũng như giải quyết một số thách thức kỹ thuật khi tích hợp hệ thống AI vào thực hành lâm sàng.
---------------------------------------------
𝐃𝐢𝐞̂̃𝐧 𝐠𝐢𝐚̉: 𝐏𝐆𝐒. 𝐓𝐒. 𝐌𝐚𝐢 𝐀𝐧𝐡 𝐓𝐮𝐚̂́𝐧
𝐍𝐨̣̂𝐢 𝐝𝐮𝐧𝐠 𝐭𝐫𝐢̀𝐧𝐡 𝐛𝐚̀𝐲: 𝐏𝐡𝐚́𝐭 𝐭𝐫𝐢𝐞̂̉𝐧 𝐭𝐡𝐢𝐞̂́𝐭 𝐛𝐢̣ đ𝐞𝐨 đ𝐮̛𝐨̛̣𝐜 𝐧𝐡𝐚̆̀𝐦 𝐬𝐚̀𝐧𝐠 𝐥𝐨̣𝐜 𝐬𝐨̛́𝐦 𝐜𝐡𝐮̛́𝐧𝐠 𝐎𝐒𝐀 𝐭𝐚̣𝐢 𝐧𝐡𝐚̀
Ngưng thở do tắc nghẽn (OSA) là một rối loạn nghiêm trọng, xảy ra khi đường thở của người bệnh bị chặn hoặc hẹp lại trong lúc ngủ, gây ra các lần ngưng thở lặp đi lặp lại trong suốt đêm. OSA có ảnh hưởng tới nhiều bệnh lý của bệnh nhân. Thế giới hiện có trên 1 tỷ người và ở Việt Nam là gần 8 triệu người mắc OSA và nhiều bệnh nhân không được phát hiện do quan tâm chưa đúng mức. Đa ký giấc ngủ (Polysomnography - PSG), tiêu chuẩn vàng trong phát hiện OSA, tỏ ra chưa thật sự phục vụ nhu cầu của người bệnh đặc biệt là ở các nước có thu nhập trung bình, thấp. Phát triển các thiết bị với cấu hình tối thiểu, kết hợp với học máy góp phần phát hiện sớm chứng OSA tại nhà, làm tăng đối tượng tiếp cận dịch vụ y tế này.