Assoc.Prof. Hai V. Pham, PhD.

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 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.

"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"

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:
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 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. "

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.

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""

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)

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

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

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

2.1. 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

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

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

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

******************************************************************************************************

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.

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...

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...