Assoc.Prof. Hai V. Pham, PhD.
Ritsumeikan University, Soft Intelligence Lab, Department Member
- About me I am Associate Professor, Hanoi University of Science and Technology, as teaching and research in the fields... moreAbout me
I am Associate Professor, Hanoi University of Science and Technology, as teaching and research in the fields of Intelligent systems and applications for teaching courses in the following: Artificial Intelligence, Knowledge-based Systems, Information Security, Infor. System Analysis Design and Decision Support Systems.
My background is Msc. in computer science at Asian Institute of Technology (AIT), research associate in Computational Methods and Machine learning at Lamar University (USA). Following the Masters Degree I have been awarded Doctor of Engineering degree (Ph.D.) in Computer Intelligence and Information Science by Ritsumeikan University (Japan).
I am interested in how intelligent techniques and approaches can enable novel ways of interacting with intelligent computation, big data and in the new challenges that human awareness in dynamic system, intelligent hybrid systems, intelligent decision support systems, data mining, complex systems and context-aware system, Artificial Intelligence, Knowledge-based Systems...
There are my interested specific research areas as follows:
Intelligent Systems and Artificial Intelligence for applied real-world applications: Hybrid intelligent systems, expert systems, knowledge-based systems...
Intelligent Decision Support Systems: Group decision support systems, hybrid DSS under uncertainty.
Personalization: Personalization in services integrated with intelligent context/context-aware systems: applied applications in Web-based and Smart phone.
Quantification of human sensibility with reasoning and knowledge engineering: Kansei Engineering, Kansei Evaluation, Common Sense Human Reasoning, emotions, automated reasoning techniques.
Big data in data mining, data analysis: classification techniques, prediction intelligence and Spatial data decision support.
Design and build models in applied application in security and information systems/software: industry, enterprise, information system managements, education, health, agriculture, business intelligence...etc.
Soft computing and logic applications: Fuzzy logics, algebra hedge and Rule-based systems and strategies.
Machine learning: SOM, Neural network, Neural Fuzzy Network in predicting intelligence, classification, filtering and intelligent support decisions.
Controls in Robot and knowledge-based, knowledge engineering for Robots.
I have obtained certificates in expert training course for Unix System Designer at Okinawa International centre and Software Application Intelligence at United National Univ. My work has been presented in 50 international/local conferences and has been published in 40 conference proceedings, 15 journal papers, and 4 domestic books. I have served as a member of program committees for international conferences and acts as a reviewer for international conferences and journals. I am also on the reviewer and editorial board of international conferences/journals, has acted as a workshop Chair, Track Chair, and Program Chair for International Conferences.
My experiences for doing international projects in science and engineering are key positions as invited expert/consultant in BKK Glass Inc. International projects (Thailand), NGOs – international organizations, ICT Knowledge management - World Bank, and Enzan Tunel GROUP (Japan) international/local projects.
Awards and Honor Fellowships
Best Research Award of Innovation Fair 2011 - Society of Advancement and Technology at Ritsumeikan, December 2011.
Excellent Fellowship PhD Research Price Award, Ritsumeikan University, July 2011.
Best Fellowship Award, granted by Society of Advancement and Technology at Ritsumeikan, June 2011.
Award Excellent Intensive Doctoral Program fellowship, granted by Ritsumeikan University, July 2010.
Best PhD Research Award issued by Innovation Fair 2010 – Society of Advancement and Technology at Ritsumeikan, December 2010, Shiga, Japan.
Best PhD Research Award issued by Innovation Fair 2009 – Society of Advancement and Technology at Ritsumeikan, December 2009, Shiga, Japan.
PhD Fellowship Award 2009-2011 granted by Vietnam Government and University.
Vietnam Government scholarship for Post-graduate oversea Msc study at Asian Institute of Technology.
Visiting research associate at Lamar Univ. U.S.A
United Nations University fellowship for studying advanced IT training course of Advanced Software Institute of the United Nations University and VNU. 2002
JICA Fellowship was funded by Cooperation International Cooperation Agency for advanced training course of Okinawa International Center, Japan 1999.
Full Scholarship of Vietnam National University Hanoi for undergraduate study.
https://users.soict.hust.edu.vn/haipv/
https://www.youtube.com/@Dr.HaiVPham
***********************************************************************************************************************edit - Bsc. / Eng., MS Students in Science and Engineeringedit
Outline ◼ Biography ◼ About HUST ◼ About AI course ❑ Course information ❑ Concepts of AI ◼ Fundamentals of AI ❑ Concepts of AI ❑ History of AI ❑ Foundations of AI ❑ Philosophical discussions ❑ AI and the future of Work ◼ Applied AI in... more
Outline ◼ Biography ◼ About HUST ◼ About AI course ❑ Course information ❑ Concepts of AI ◼ Fundamentals of AI ❑ Concepts of AI ❑ History of AI ❑ Foundations of AI ❑ Philosophical discussions ❑ AI and the future of Work ◼ Applied AI in Industry 4.0
Các em sinh viên, học viên thân mến! Hàng năm có nhiều học bổng nghiên cứu, học bổng qua tiến cử qua các LAB, các trường Đại học nước ngoài như các trường danh tiếng SMU, NSU- Singapore, Tokyo, Ritsumeikan- Nhật Bản, KAIST, Seou - Hàn... more
Các em sinh viên, học viên thân mến!
Hàng năm có nhiều học bổng nghiên cứu, học bổng qua tiến cử qua các LAB, các trường Đại học nước ngoài như các trường danh tiếng SMU, NSU- Singapore, Tokyo, Ritsumeikan- Nhật Bản, KAIST, Seou - Hàn Quốc và Học bổng nghiên cứu SĐH - Hoa Kỳ. Ứng viên có điểm GPA>=7 và có các công trình tạp chí/ hội thảo khoa học quốc tế / trong nước sẽ được giới thiệu các nguồn học bổng hàng năm. Sinh viên muốn viết bài nghiên cứu - bài báo tạp chí quốc tế với tôi cùng các Giáo sư, nhà khoa học trong và ngoài nước, có thể tham gia chương trình làm Project, thực tập và đồ án tốt nghiệp các hệ kỹ sư, cử nhân, sau đại học bằng cách liên hệ trực tiếp với tôi qua email.
Đối với sinh viên, học viên có nguyện vọng làm việc tại các công ty nước ngoài, tập đoàn FPT, Viettel, BKAV, Doanh nghiệp Nhật Bản, doanh nghiệp nước ngoài..vv, yêu cầu tiên quyết sinh viên/ học viên có kỹ năng lập trình tốt, hoặc thái độ làm việc tốt, các bạn liên hệ với tôi để làm đồ án tốt nghiệp, nghiên cứu Project; các sinh viên đạt yêu cầu trên sẽ được giới thiệu đến các tập đoàn, doanh nghiệp uy tín theo nguyện vọng.
Sinh viên, học viên có thể tự lựa chọn theo nguyện vọng hoặc theo hướng nghiên cứu (xem chi tiết): http://is.hust.edu.vn/~haipv/research/
***********************************************************************************************************************
Dear Students,
For fellowships/ scholarships of Bsc, Msc, PhD. programs in a study abroad, student who has GPA>= 7.0 with good publications wish to apply these scholarships/ fellowships for oversea study in reputation universities in Japan, Singapore, Korea and USA. You can stop by my office or contact to me by email to talk it in detail.
For working with famous GROUP or industry companies such as FPT corporation, Viettel, and other reputed enterprise companies, student should have a solid background in programming languages who can apply jobs in famous locals and oversea companies. Please feel free to contact me by email.
Hàng năm có nhiều học bổng nghiên cứu, học bổng qua tiến cử qua các LAB, các trường Đại học nước ngoài như các trường danh tiếng SMU, NSU- Singapore, Tokyo, Ritsumeikan- Nhật Bản, KAIST, Seou - Hàn Quốc và Học bổng nghiên cứu SĐH - Hoa Kỳ. Ứng viên có điểm GPA>=7 và có các công trình tạp chí/ hội thảo khoa học quốc tế / trong nước sẽ được giới thiệu các nguồn học bổng hàng năm. Sinh viên muốn viết bài nghiên cứu - bài báo tạp chí quốc tế với tôi cùng các Giáo sư, nhà khoa học trong và ngoài nước, có thể tham gia chương trình làm Project, thực tập và đồ án tốt nghiệp các hệ kỹ sư, cử nhân, sau đại học bằng cách liên hệ trực tiếp với tôi qua email.
Đối với sinh viên, học viên có nguyện vọng làm việc tại các công ty nước ngoài, tập đoàn FPT, Viettel, BKAV, Doanh nghiệp Nhật Bản, doanh nghiệp nước ngoài..vv, yêu cầu tiên quyết sinh viên/ học viên có kỹ năng lập trình tốt, hoặc thái độ làm việc tốt, các bạn liên hệ với tôi để làm đồ án tốt nghiệp, nghiên cứu Project; các sinh viên đạt yêu cầu trên sẽ được giới thiệu đến các tập đoàn, doanh nghiệp uy tín theo nguyện vọng.
Sinh viên, học viên có thể tự lựa chọn theo nguyện vọng hoặc theo hướng nghiên cứu (xem chi tiết): http://is.hust.edu.vn/~haipv/research/
***********************************************************************************************************************
Dear Students,
For fellowships/ scholarships of Bsc, Msc, PhD. programs in a study abroad, student who has GPA>= 7.0 with good publications wish to apply these scholarships/ fellowships for oversea study in reputation universities in Japan, Singapore, Korea and USA. You can stop by my office or contact to me by email to talk it in detail.
For working with famous GROUP or industry companies such as FPT corporation, Viettel, and other reputed enterprise companies, student should have a solid background in programming languages who can apply jobs in famous locals and oversea companies. Please feel free to contact me by email.
Thông báo điểm học phần các môn học. Sinh viên vào download pdf files bằng cách login vào hệ thống account facebook
__________________________________________________________________________________________________________________________________________________________________________
"Based on the homework 1, students must complete homework 2 as follows: Develop a program for the homework 1 and submit your codes and report in 29 May, 2014 1) Write a program for minimized objective function ( based on the homework... more
"Based on the homework 1, students must complete homework 2 as follows:
Develop a program for the homework 1 and submit your codes and report in 29 May, 2014
1) Write a program for minimized objective function ( based on the homework 1)
2) Write a program for minimized objective function with some constrains ( based on the homework 1)
3) Write a program for minimized objective function integrated with Heuristic function and some constrains ( based on the homework 1). It can be applied to any domain proposed by a student.
Note that hard copies will be handling in class.
Short copies will be submitted to the head of class student by email
Any programming language is acceptable"
Develop a program for the homework 1 and submit your codes and report in 29 May, 2014
1) Write a program for minimized objective function ( based on the homework 1)
2) Write a program for minimized objective function with some constrains ( based on the homework 1)
3) Write a program for minimized objective function integrated with Heuristic function and some constrains ( based on the homework 1). It can be applied to any domain proposed by a student.
Note that hard copies will be handling in class.
Short copies will be submitted to the head of class student by email
Any programming language is acceptable"
Students can explain how they can understand problems, methods and proposed solutions. The deadline for homework 1 will be in 10 May, 2014. All of students will submit a home work as printed paper at the class and soft copied one by... more
Students can explain how they can understand problems, methods and proposed solutions. The deadline for homework 1 will be in 10 May, 2014. All of students will submit a home work as printed paper at the class and soft copied one by email. The instruction will be informed by the lecture given in our class.
A student learn the paper (attachment) which is described to the algorithm and application domain. You can extend your knowledge and apply the same manner to other domain by adding A* search (Heuristic search). The steps are as follows:... more
A student learn the paper (attachment) which is described to the algorithm and application domain. You can extend your knowledge and apply the same manner to other domain by adding A* search (Heuristic search). The steps are as follows:
Week 1 - understand the paper
Week 2 - develop your ideas and make an abstract
Week 3 - apply A* search to add it in the algorithm for other application domains
Week 4 - Write a research report including prototype and sample codes to demonstrate your research.
Week 1 - understand the paper
Week 2 - develop your ideas and make an abstract
Week 3 - apply A* search to add it in the algorithm for other application domains
Week 4 - Write a research report including prototype and sample codes to demonstrate your research.
"ICT55 - Artificial intelligence (AI) is a research field that studies how to realize the intelligent problem solving on a computer. AI leans many of its basic ideas from human, but its realization is primarily based on engineering... more
"ICT55 -
Artificial intelligence (AI) is a research field that studies how to realize the intelligent problem solving on a computer. AI leans many of its basic ideas from human, but its realization is primarily based on engineering concerns. Although AI has a more than 50 years history, it cannot reach to the final goal, there are many fruitful findings and inventions. The main research topics in AI include planning, reasoning, learning, natural language understanding and generation, computer vision, automatic programming, and so on. "
Artificial intelligence (AI) is a research field that studies how to realize the intelligent problem solving on a computer. AI leans many of its basic ideas from human, but its realization is primarily based on engineering concerns. Although AI has a more than 50 years history, it cannot reach to the final goal, there are many fruitful findings and inventions. The main research topics in AI include planning, reasoning, learning, natural language understanding and generation, computer vision, automatic programming, and so on. "
Học viên phản hồi cho thầy trước sáng 24/8/2014. Sau ngày nộp điểm sẽ không thắc mắc được
Sinh viên tiếp cận nghiên cứu mới về lĩnh vực trí tuệ nhân tạo ứng dụng.
Yêu cầu: sinh viên có mặt tại lớp để chữa và hỏi các bài tập liên quan đến hiểu biết của sinh viên về bài tập về nhà. Điểm bài tập về nhà chữa tại lớp theo file gửi kèm
* Điểm quá trình (danhsach__v5b.xls)
* Điểm quá trình (danhsach__v5b.xls)
Bài tập lớn chưa phải đạt điểm tối đa, nhưng là bài tập tham khảo tốt cho sinh viên
Sinh viên xem bài tập cá nhân, bài tập nhóm ( 02 files gửi kèm) của khóa K57
He has currently published 70 inter. journals, inter. conference, workshop publications, research reports... Click download button to get pdf file
Research Interests:
System Integration
Bài giảng tuần 2-10
1. Tên học phần: An toàn trong giao dịch điện tử 2. Mã số: IT4230 3. Khối lượng: 3(3-1-0-6) Lý thuyết: 45 giờ Bài tập: 15 giờ (Bài tập lớn) 4. Đối tượng tham dự: Sinh viên đại học các ngành Công nghệ thông tin và An toàn thông... more
1. Tên học phần: An toàn trong giao dịch điện tử
2. Mã số: IT4230
3. Khối lượng: 3(3-1-0-6)
Lý thuyết: 45 giờ
Bài tập: 15 giờ (Bài tập lớn)
4. Đối tượng tham dự: Sinh viên đại học các ngành Công nghệ thông tin và An toàn thông
tin từ học kỳ 6.
2. Mã số: IT4230
3. Khối lượng: 3(3-1-0-6)
Lý thuyết: 45 giờ
Bài tập: 15 giờ (Bài tập lớn)
4. Đối tượng tham dự: Sinh viên đại học các ngành Công nghệ thông tin và An toàn thông
tin từ học kỳ 6.
1.1. Khái niệm về an toàn trong giao dịch điện tử
1.2. Tầm quan trọng của chính sách an toàn trong
giao dịch và thương mại điện tử
1.2. Tầm quan trọng của chính sách an toàn trong
giao dịch và thương mại điện tử
Xem điểm sử dụng account facebook
Sinh viên xem trong file gửi kèm theo các lớp (file gửi kèm)
Sinh viên tham khảo thêm tài liệu Hệ chuyên gia của PGS.TS. PHAN HUY KHÁNH ""Ví dụ tham khảo báo cáo kết quả nhóm đồ án môn học gửi file gửi kèm. Chương trình demo chạy tốt thể hiện quá trình tư vấn chuẩn đoán lỗi phần cứng, đã kiểm... more
Sinh viên tham khảo thêm tài liệu Hệ chuyên gia của PGS.TS. PHAN HUY KHÁNH
""Ví dụ tham khảo báo cáo kết quả nhóm đồ án môn học gửi file gửi kèm. Chương trình demo chạy tốt thể hiện quá trình tư vấn chuẩn đoán lỗi phần cứng, đã kiểm tra các công đoạn đánh giá: Test. Đây chưa phải là báo cáo đạt kết quả cao nhất, cho nên sinh viên chỉ để tham khảo.
Đánh giá đồ án môn học bao gồm: Sinh viên bảo vệ đồ án sử dụng kèm slides trình bày; Demo chương trình chạy được đánh giá: tốt, khá, trung bình, yếu, kém; Báo cáo tổng kết đồ án môn học và kiểm tra từng học viên bằng hình thức phỏng vấn""
""Ví dụ tham khảo báo cáo kết quả nhóm đồ án môn học gửi file gửi kèm. Chương trình demo chạy tốt thể hiện quá trình tư vấn chuẩn đoán lỗi phần cứng, đã kiểm tra các công đoạn đánh giá: Test. Đây chưa phải là báo cáo đạt kết quả cao nhất, cho nên sinh viên chỉ để tham khảo.
Đánh giá đồ án môn học bao gồm: Sinh viên bảo vệ đồ án sử dụng kèm slides trình bày; Demo chương trình chạy được đánh giá: tốt, khá, trung bình, yếu, kém; Báo cáo tổng kết đồ án môn học và kiểm tra từng học viên bằng hình thức phỏng vấn""
Báo cáo kế quả bài tập lớn - dự án môn học (tuần 14-15); Cấu trúc báo cáo bao gồm các phần như sau: 1. Mục đích 2. Phạm vi 3. Các sự kiện, ngữ cảnh và cách biểu diễn tri thức 4. Động cơ suy diễn, các luật và diễn giải của luật... more
Báo cáo kế quả bài tập lớn - dự án môn học (tuần 14-15);
Cấu trúc báo cáo bao gồm các phần như sau:
1. Mục đích
2. Phạm vi
3. Các sự kiện, ngữ cảnh và cách biểu diễn tri thức
4. Động cơ suy diễn, các luật và diễn giải của luật
5. Sơ đồ kiến trúc hệ CSTT / hệ chuyên gia
6. Thiết kế giao diện, giao diện tổng thể và đặc tả chi tiết
7. Cài đặt chương trình và lựa chọn công cụ lập trình
Các bước cài đặt và cấu hình
Hướng dẫn sử dụng chương trình
8. Kiểm tra và đánh giá
9. Viết báo cáo tổng kết
10. Bảo vệ BTL- dự án môn học (7 phút trình bày / mỗi nhóm)
Cấu trúc báo cáo bao gồm các phần như sau:
1. Mục đích
2. Phạm vi
3. Các sự kiện, ngữ cảnh và cách biểu diễn tri thức
4. Động cơ suy diễn, các luật và diễn giải của luật
5. Sơ đồ kiến trúc hệ CSTT / hệ chuyên gia
6. Thiết kế giao diện, giao diện tổng thể và đặc tả chi tiết
7. Cài đặt chương trình và lựa chọn công cụ lập trình
Các bước cài đặt và cấu hình
Hướng dẫn sử dụng chương trình
8. Kiểm tra và đánh giá
9. Viết báo cáo tổng kết
10. Bảo vệ BTL- dự án môn học (7 phút trình bày / mỗi nhóm)
Sinh viên đọc hiểu một kỹ thuật biểu diễn tri thức và mô tả ví dụ. Sau đó, sinh viên cài đặt bằng ngôn ngữ tự chọn. Nộp bài tập cho cán bộ lớp vào tuần 11 bao gồm: báo cáo tóm tắt bản in, bản mềm, codes và video demo chương trình Sinh... more
Sinh viên đọc hiểu một kỹ thuật biểu diễn tri thức và mô tả ví dụ. Sau đó, sinh viên cài đặt bằng ngôn ngữ tự chọn. Nộp bài tập cho cán bộ lớp vào tuần 11 bao gồm: báo cáo tóm tắt bản in, bản mềm, codes và video demo chương trình
Sinh viên chính qui sẽ phổ biến trên lớp học và tư liệu file gửi kèm; Sinh viên hệ đào tạo khác xem file gửi kèm
Sinh viên chính qui sẽ phổ biến trên lớp học và tư liệu file gửi kèm; Sinh viên hệ đào tạo khác xem file gửi kèm
Các nhóm tiếp tục theo tiến độ bài tập lớn (dự án) cho đến hết học phần môn học. Cấu trúc báo cáo bao gồm các phần như sau: 1. Mục đích 2. Phạm vi 3. Các sự kiện, ngữ cảnh và cách biểu diễn tri thức 4. Động cơ suy diễn, các luật... more
Các nhóm tiếp tục theo tiến độ bài tập lớn (dự án) cho đến hết học phần môn học.
Cấu trúc báo cáo bao gồm các phần như sau:
1. Mục đích
2. Phạm vi
3. Các sự kiện, ngữ cảnh và cách biểu diễn tri thức
4. Động cơ suy diễn, các luật và diễn giải của luật
5. Sơ đồ kiến trúc hệ CSTT / hệ chuyên gia
6. Thiết kế giao diện, giao diện tổng thể và đặc tả chi tiết
7. Cài đặt chương trình và lựa chọn công cụ lập trình
Các bước cài đặt và cấu hình
Hướng dẫn sử dụng chương trình
8. Kiểm tra và đánh giá
9. Viết báo cáo tổng kết
10. Bảo vệ BTL- dự án môn học
Cấu trúc báo cáo bao gồm các phần như sau:
1. Mục đích
2. Phạm vi
3. Các sự kiện, ngữ cảnh và cách biểu diễn tri thức
4. Động cơ suy diễn, các luật và diễn giải của luật
5. Sơ đồ kiến trúc hệ CSTT / hệ chuyên gia
6. Thiết kế giao diện, giao diện tổng thể và đặc tả chi tiết
7. Cài đặt chương trình và lựa chọn công cụ lập trình
Các bước cài đặt và cấu hình
Hướng dẫn sử dụng chương trình
8. Kiểm tra và đánh giá
9. Viết báo cáo tổng kết
10. Bảo vệ BTL- dự án môn học
1. Tên học phần: HỆ CƠ SỞ TRI THỨC 2. Mã số: IT4361 Mã lớp: 62173 3. Khối lượng: 2(2-1-0-4) a. Lý thuyết: 30 giờ b. Bài tập/BTL: 15 giờ c. Thí nghiệm: 0 4. Đối tượng tham dự: Sinh viên đại học các ngành công nghệ thông tin,... more
1. Tên học phần: HỆ CƠ SỞ TRI THỨC
2. Mã số: IT4361 Mã lớp: 62173
3. Khối lượng: 2(2-1-0-4)
a. Lý thuyết: 30 giờ
b. Bài tập/BTL: 15 giờ
c. Thí nghiệm: 0
4. Đối tượng tham dự: Sinh viên đại học các ngành công nghệ thông tin, hệ thống thông tin, khoa học máy tính, … từ học kỳ 5
5. Điều kiện học phần:
d. Học phần tiên quyết:
e. Học phần học trước: IT4040
f. Học phần song hành:
Nhiệm vụ của sinh viên:
Dự lớp: đầy đủ theo quy chế (tối thiểu sinh viên phải tham dự 85% thời lượng khóa học điểm danh ký danh sách tại lớp, bài tập tại lớp; tùy từng trường hợp cụ thể trừ 50% điểm quá trình, hoặc điểm quá trình =<3 không đủ điều kiện thi kết thúc môn học).
Bài tập lớn: hoàn thành bài tập lớn của học phần
2. Mã số: IT4361 Mã lớp: 62173
3. Khối lượng: 2(2-1-0-4)
a. Lý thuyết: 30 giờ
b. Bài tập/BTL: 15 giờ
c. Thí nghiệm: 0
4. Đối tượng tham dự: Sinh viên đại học các ngành công nghệ thông tin, hệ thống thông tin, khoa học máy tính, … từ học kỳ 5
5. Điều kiện học phần:
d. Học phần tiên quyết:
e. Học phần học trước: IT4040
f. Học phần song hành:
Nhiệm vụ của sinh viên:
Dự lớp: đầy đủ theo quy chế (tối thiểu sinh viên phải tham dự 85% thời lượng khóa học điểm danh ký danh sách tại lớp, bài tập tại lớp; tùy từng trường hợp cụ thể trừ 50% điểm quá trình, hoặc điểm quá trình =<3 không đủ điều kiện thi kết thúc môn học).
Bài tập lớn: hoàn thành bài tập lớn của học phần
2.1. Phân tích các vấn đề về tích hợp hệ thống thông tin trong tổ chức nghệp vụ 2.2. Khung kiến trúc tổng thể hệ thống với khả năng tích hợp hệ thống cho tổ chức, doanh nghiệp 2.3. Kiến trúc tổng thể hệ thống thông tin 2.4. Một số ví... more
2.1. Phân tích các vấn đề về tích hợp hệ thống
thông tin trong tổ chức nghệp vụ
2.2. Khung kiến trúc tổng thể hệ thống với khả
năng tích hợp hệ thống cho tổ chức, doanh
nghiệp
2.3. Kiến trúc tổng thể hệ thống thông tin
2.4. Một số ví dụ minh họa
thông tin trong tổ chức nghệp vụ
2.2. Khung kiến trúc tổng thể hệ thống với khả
năng tích hợp hệ thống cho tổ chức, doanh
nghiệp
2.3. Kiến trúc tổng thể hệ thống thông tin
2.4. Một số ví dụ minh họa
<<<<<>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
Sử dụng account face book để xem điểm thi
Tài liệu tham khảo cho sinh viên đọc và tìm hiểu thêm
Download tài liệu
_______________________________________________________________________________________
<><><><><><><><><><><><>Đề cương quản trị dự án<>><><><><><><><><><><><><><><><><><>
Đề cương học phần
Các kỹ thuật nâng cao trong phân tích dữ liệu lớn khách hàng
Bài đọc tham khảo của tác giả Nguyễn Tất Thịnh. Dành cho học viên cao học thảo luận và tham khảo
(Customer Relationship Management - CRM)
Học viên khoảng 02-03 bạn / nhóm đề xuất dự án ứng dụng thực tiễn thuộc lĩnh vực Information systems, Infomation system managements với các nội dung: 1) Đề xuất dự án 2) Vấn đề, hiện trạng, giải pháp ứng dụng IS, MIS 3) Mục đích dự án... more
Học viên khoảng 02-03 bạn / nhóm đề xuất dự án ứng dụng thực tiễn thuộc lĩnh vực Information systems, Infomation system managements với các nội dung:
1) Đề xuất dự án
2) Vấn đề, hiện trạng, giải pháp ứng dụng IS, MIS
3) Mục đích dự án
4) Nội dung và kế hoạch thực hiện
5) Mô hình / giải thuật / thuật toán
6) Ứng dụng vào miền thực tiễn
7) Ví dụ hoặc các đặc tả liên quan đến hệ thống IS, MIS
8) Kiến trúc hệ thống
9) Dự kiến cài đặt
10) Demo phần mềm và thử nghiệm (nếu có)
11) Phương pháp đánh giá kết quả dự án
12) Định hướng phát triển
13) Slides trình bày
Nhóm trình bày vào buổi cuối của học phần
1) Đề xuất dự án
2) Vấn đề, hiện trạng, giải pháp ứng dụng IS, MIS
3) Mục đích dự án
4) Nội dung và kế hoạch thực hiện
5) Mô hình / giải thuật / thuật toán
6) Ứng dụng vào miền thực tiễn
7) Ví dụ hoặc các đặc tả liên quan đến hệ thống IS, MIS
8) Kiến trúc hệ thống
9) Dự kiến cài đặt
10) Demo phần mềm và thử nghiệm (nếu có)
11) Phương pháp đánh giá kết quả dự án
12) Định hướng phát triển
13) Slides trình bày
Nhóm trình bày vào buổi cuối của học phần
Học viên lựa chọn một trong các bài báo trong các file gửi kèm dưới đây kèm báo cáo thảo luận: 1) Vấn đề / bài toán 2) Hướng giải quyết 3) Mục đích 4) Nội dung 5) Tính mới khoa học/ công nghệ 6) Mô hình/ giải thuật/ thuật toán 7)... more
Học viên lựa chọn một trong các bài báo trong các file gửi kèm dưới đây kèm báo cáo thảo luận:
1) Vấn đề / bài toán
2) Hướng giải quyết
3) Mục đích
4) Nội dung
5) Tính mới khoa học/ công nghệ
6) Mô hình/ giải thuật/ thuật toán
7) Ví dụ/ minh chứng/ thực nghiệm
8) Kết quả
9) Định hướng phát triển tiếp
10) Vận dụng mô hình/ giải thuật/ thuật toán bài báo vào ứng dụng thực tiễn ở Việt Nam
11) Mô tả các bước dự án Information Systems: đề xuất dự án mới trên cơ sở vận dụng bài báo vào miền ứng dụng ở Việt Nam
1) Vấn đề / bài toán
2) Hướng giải quyết
3) Mục đích
4) Nội dung
5) Tính mới khoa học/ công nghệ
6) Mô hình/ giải thuật/ thuật toán
7) Ví dụ/ minh chứng/ thực nghiệm
8) Kết quả
9) Định hướng phát triển tiếp
10) Vận dụng mô hình/ giải thuật/ thuật toán bài báo vào ứng dụng thực tiễn ở Việt Nam
11) Mô tả các bước dự án Information Systems: đề xuất dự án mới trên cơ sở vận dụng bài báo vào miền ứng dụng ở Việt Nam
Khối lượng: 3(2.5-1-0-6) • Lý thuyết: 37.5 tiết • Bài tập lớn: 15 tiết Yêu cầu học phần: bắt buộc, học vào kỳ 1 Đối tượng tham dự: Học viên cao học chuyên ngành Hệ thống Thông tin Mục tiêu học phần: Học phần cung cấp cho học... more
Khối lượng: 3(2.5-1-0-6)
• Lý thuyết: 37.5 tiết
• Bài tập lớn: 15 tiết
Yêu cầu học phần: bắt buộc, học vào kỳ 1
Đối tượng tham dự: Học viên cao học chuyên ngành Hệ thống Thông tin
Mục tiêu học phần: Học phần cung cấp cho học viên kiến thức về các khái niệm, các nguyên lý và các mô hình hệ thống thông tin quản lý. Học viên được giới thiệu về các quy trình và mô hình tổ chức trong các doanh nghiệp, quan hệ giữa doanh nghiệp, khách hàng, nhà cung cấp, cũng như phương pháp để quản lý các hoạt động thông qua các hệ thống hoạch định tài nguyên doanh nghiệp - resource planning (ERP), Quản lý dây chuyền cung ứng - supply chain management (SCM), quản lí mối quan hệ khách hàng-customer relationship management (CRM) systems. Học phần cũng giới thiệu một số mô hình hệ thống thông tin quản lý khác như: MRP (Manufacturing Resource Planning), FRM (Finance Resource Management) và HRM (Human Resource Management). Kết thúc khóa học, học viên hiểu và vận dụng các mô hình hệ thống thông tin quản lý vào nghiên cứu nâng cao hoặc xây dựng các ứng dụng thực tiễn.
Nhiệm vụ của sinh viên:
• Dự lớp: Theo quy định của Bộ GD&ĐT và trường ĐHBKHN.
• Bài tập: Theo quy định của Bộ GD&ĐT và trường ĐHBKHN.
Đánh giá kết quả: KT/BT(0.40)-T(TL:0.60)
Điểm quá trình: trọng số 0.40
- Bài tập (ở lớp, ở nhà)
- Kiểm tra giữa kỳ
Thi cuối kỳ (bài tập lớn): trọng số 0.60
- Đánh giá bài tập lớn
- Bảo vệ bài tập lớn
******************************************************************************************************
• Lý thuyết: 37.5 tiết
• Bài tập lớn: 15 tiết
Yêu cầu học phần: bắt buộc, học vào kỳ 1
Đối tượng tham dự: Học viên cao học chuyên ngành Hệ thống Thông tin
Mục tiêu học phần: Học phần cung cấp cho học viên kiến thức về các khái niệm, các nguyên lý và các mô hình hệ thống thông tin quản lý. Học viên được giới thiệu về các quy trình và mô hình tổ chức trong các doanh nghiệp, quan hệ giữa doanh nghiệp, khách hàng, nhà cung cấp, cũng như phương pháp để quản lý các hoạt động thông qua các hệ thống hoạch định tài nguyên doanh nghiệp - resource planning (ERP), Quản lý dây chuyền cung ứng - supply chain management (SCM), quản lí mối quan hệ khách hàng-customer relationship management (CRM) systems. Học phần cũng giới thiệu một số mô hình hệ thống thông tin quản lý khác như: MRP (Manufacturing Resource Planning), FRM (Finance Resource Management) và HRM (Human Resource Management). Kết thúc khóa học, học viên hiểu và vận dụng các mô hình hệ thống thông tin quản lý vào nghiên cứu nâng cao hoặc xây dựng các ứng dụng thực tiễn.
Nhiệm vụ của sinh viên:
• Dự lớp: Theo quy định của Bộ GD&ĐT và trường ĐHBKHN.
• Bài tập: Theo quy định của Bộ GD&ĐT và trường ĐHBKHN.
Đánh giá kết quả: KT/BT(0.40)-T(TL:0.60)
Điểm quá trình: trọng số 0.40
- Bài tập (ở lớp, ở nhà)
- Kiểm tra giữa kỳ
Thi cuối kỳ (bài tập lớn): trọng số 0.60
- Đánh giá bài tập lớn
- Bảo vệ bài tập lớn
******************************************************************************************************
Slides bài giảng chỉ sử dụng cho học viên/ sinh viên theo hướng thiết kế có cấu trúc HTTT
Slides bài giảng dành cho học viên/sinh viên theo hướng phân tích thiết kế có cấu trúc HTTT
03 files downloads
Mã số: IT3120
Khối lượng: 2(2-1-0-4)
Lý thuyết: 30 giờ
Bài tập/BTL: 15 giờ nếu có bài tập lớn cần ghi rõ
Thí nghiệm: 0 giờ
Đối tượng tham dự:Sinh viên đại học các ngành kỹthuật từhọc kỳ4
Khối lượng: 2(2-1-0-4)
Lý thuyết: 30 giờ
Bài tập/BTL: 15 giờ nếu có bài tập lớn cần ghi rõ
Thí nghiệm: 0 giờ
Đối tượng tham dự:Sinh viên đại học các ngành kỹthuật từhọc kỳ4
What is Logic
Propositional Logic
Syntax
Semantic
Inference in Propositional Logic
Forward Chaining
Backward Chaining
Resolution
Propositional Logic
Syntax
Semantic
Inference in Propositional Logic
Forward Chaining
Backward Chaining
Resolution
Game and search
Alpha-beta pruning
Alpha-beta pruning
A* Search
Problem-solving agents
Problem types
Problem formulation
Example problems
Basic search algorithms
breadth-first search
depth-first search
depth-limited search
iterative deepening depth-first search
Problem types
Problem formulation
Example problems
Basic search algorithms
breadth-first search
depth-first search
depth-limited search
iterative deepening depth-first search
AI Project (two optional project selection)
With a view to increase recommendation systems accuracy and practical applicability, using traditional methods which are namely interaction model between users and items, collaborative filtering and matrix factorization cannot achieve the... more
With a view to increase recommendation systems accuracy and practical applicability, using traditional methods which are namely interaction model between users and items, collaborative filtering and matrix factorization cannot achieve the supposed results. In fact, the properties between users or items always remains as social and knowledge relations. In this paper, we have proposed a new graph deep learning model associated with knowledge graph with the aim of modeling the latent feature of user and item. We exploit the relations of items based on knowledge graph as well as the relationships between users in social. Our model supplies the principle of organizing interactions as a graph, combines information from social network and all kind of relations in the heterogeneous knowledge graph. The model is evaluated on real world datasets to demonstrate this method's effectiveness.
Type 1- Project: Students have implemented International Chess Project. The outputs will be: Code with Demo, Report (see a sample), Slides for Presentation.
Lecture 2 - Agent
Chapter 1: Introduction
1.1. What is AI?
1.2. The foundation of AI
1.3. The history of AI
1.4. Research and application areas of AI
1.5. Future of AI
1.1. What is AI?
1.2. The foundation of AI
1.3. The history of AI
1.4. Research and application areas of AI
1.5. Future of AI
Syllabus: IT4042E/ IT3160E Artificial Intelligence
Logic và suy diễn
Biểu diễn tri thức (Knowlegde representation)
Tìm kiếm dựa trên thỏa mãn ràng buộc
Tìm kiếm với tri thức bổ sung
Giải quyết vấn đề bằng tìm kiếm
Chương 2 - Tác tử
Tham khảo thêm về AI & công nghệ cập nhật mới hiện nay
PGS.TS Phạm Văn Hải & PGS.TS. Lê Thanh Hương Team AI lecturer, Trường Công nghệ thông tin và Truyền thông Đại Học Bách Khoa Hà Nội
Research Interests:
Precipitation nowcasting is one of the main tasks of weather forecasting that aims to predict rainfall events accurately, even in low-rainfall regions. It has been observed that few studies have been devoted to predicting future radar... more
Precipitation nowcasting is one of the main tasks of weather forecasting that aims to predict rainfall events accurately, even in low-rainfall regions. It has been observed that few studies have been devoted to predicting future radar echo images in a reasonable time using the deep learning approach. In this paper, we propose a novel approach, RainPredRNN, which is the combination of the UNet segmentation model and the PredRNN_v2 deep learning model for precipitation nowcasting with weather radar echo images. By leveraging the abilities of the contracting-expansive path of the UNet model, the number of calculated operations of the RainPredRNN model is significantly reduced. This result consequently offers the benefit of reducing the processing time of the overall model while maintaining reasonable errors in the predicted images. In order to validate the proposed model, we performed experiments on real reflectivity fields collected from the Phadin weather radar station, located at Di...
Research Interests:
Research Interests:
Conventional methods used in brain tumors detection, diagnosis, and classification such as magnetic resonance imaging and computed tomography scanning technologies are unbridged in their results. This paper presents a proposed model... more
Conventional methods used in brain tumors detection, diagnosis, and classification such as magnetic resonance imaging and computed tomography scanning technologies are unbridged in their results. This paper presents a proposed model combination, convolutional neural networks with fuzzy rules in the detection and classification of medical imaging such as healthy brain cell and tumors brain cells. This model contributes fully on the automatic classification and detection medical imaging such as brain tumors, heart diseases, breast cancers, HIV and FLU. The experimental result of the proposed model shows overall accuracy of 97.6%, which indicates that the proposed method achieves improved performance than the other current methods in the literature such as [classification of tumors in human brain MRI using wavelet and support vector machine 94.7%, and deep convolutional neural networks with transfer learning for automated brain image classification 95.0%], uses in the detection, diagno...