Nhảy đến nội dung
x

Thông báo chiêu sinh khóa học chủ đề "Phân tích dữ liệu và ứng dụng"

Chúng tôi hân hạnh thông báo một khóa học 7 ngày với chủ đề "Phân tích dữ liệu và ứng dụng" (Data analytics and applications) do Trường đại học Tôn Đức Thắng tổ chức từ ngày 23/12/2018 đến 29/12/2018. Đây là một khoá học theo hình thức "workshop" được thiết kế nhằm nâng cao kĩ năng phân tích dữ liệu đồng thời giới thiệu những ứng dụng thực tế của việc phân tích dữ liệu cho các sinh viên sau đại học, nghiên cứu sinh và các nhà khoa học. 

1. Mục tiêu

Mục tiêu chung của khoá học là tiếp cận các khái niệm, phương pháp phân tích dữ liệu ở trình độ nâng cao. Không chỉ giúp học viên làm quen với cách thu thập dữ liệu và các phương pháp thống kê cơ bản, chúng tôi còn nhấn mạnh đến việc ứng dụng các phương pháp mô hình hoá dữ liệu qua một số ca nghiên cứu cụ thể của chúng tôi và các đồng nghiệp khác. Chúng tôi kì vọng học viên sau khi xong lớp học sẽ:

  • Hiểu và dùng ngôn ngữ R cho phân tích dữ liệu; 
  • Hiểu và dùng graphics ở cả trình độ cơ bản và nâng cao;
  • Biết cách ứng dụng các mô hình thống kê, mô hình hồi qui tuyến tính, hồi qui logistic; 
  • Biết về lĩnh vực Học máy.

2. Đối tượng

Lớp học được thiết kế dành cho các sinh viên sau đại học, nghiên cứu sinh, giảng viên, nhà khoa học có nhu cầu phân tích dữ liệu. Tuy nhiên, sinh viên đại học cũng có thể ghi danh để học. Học viên không cần có kiến thức cơ bản về thống kê học và phân tích dữ liệu. 

3. Thời gian - Địa điểm

Thời gian: Khóa học sẽ kéo dài 7 ngày từ 23/12/2018 đến 29/12/2018

  • Sáng 08h00 - 11h30;
  • Chiều 13h30 - 16h30.

Địa điểm: Phòng A403, Trường đại học Tôn Đức Thắng 
Số 19, Đường Nguyễn Hữu Thọ, Phường Tân Phong, Quận 7, TP. Hồ Chí Minh.

Vì là khóa học ngắn ngày nên chúng tôi không phân biệt ngày thường và ngày cuối tuần.

4. Giảng viên

Giảng viên phụ trách lớp học bao gồm các nhà khoa học thực nghiệm có kinh nghiệm lâu năm về nghiên cứu khoa học và công bố quốc tế: 

  • GS.TS. Nguyễn Văn Tuấn 
  • và các giảng viên của Trường đại học Tôn Đức Thắng  

GS.TS. Nguyễn Văn Tuấn có kinh nghiệm lâu năm trong việc phát triển mô hình tiên lượng, và chính là tác giả của Mô hình đánh giá nguy cơ gãy xương Garvan. Ông còn giúp nghiên cứu sinh trong nước phát triển mô hình tiên lượng tử vong ở khoa cấp cứu trong bệnh viện. Hiện tại, ông là Giáo sư y khoa tiên lượng (Predictive Medicine) của Đại học Công nghệ Sydney (UTS), Giáo sư Dịch tễ học và Thống kê học của Đại học Notre Dame, Australia, và Giáo sư Y khoa của Đại học New South Wales, Australia. Đồng thời, GS. Nguyễn Văn Tuấn là Cố vấn cao cấp về khoa học của Hiệu trưởng Trường đại học Tôn Đức Thắng và đồng thời là Trưởng Nhóm nghiên cứu Xương và Cơ của Trường.

5. Chương trình dự kiến:

23/12/2018 - Chủ đề: Ôn tập về R
Bài 1: Giới thiệu về R (Introduction to R language)
Bài 2: Cú pháp, input và output (R input/output)
Bài 3: Phân tích mô tả dùng R 
Bài 4: Cách xử lý tập hợp dữ liệu lớn

24/12/2018 - Chủ đề: Phân tích biểu đồ
Bài 5: Nguyên tắc soạn biểu đồ
Bài 6: Phân tích biểu đồ đơn giản
Bài 7: Giới thiệu ggplot2
Bài 8: Phân tích biểu đồ với ggplot2

25/12/2018 - Chủ đề: Dự báo bằng mô hình đa biến
Bài 9: Xử lí giá trị trống
Bài 10: Mô hình phân tích phân định (linear discriminant analysis)
Bài 11: Mô hình phân tích cụm/nhóm (cluster analysis)

26/12/2018 - Chủ đề: Dự báo bằng mô hình hồi qui tuyến tính
Bài 12: Giới thiệu mô hình hồi qui tuyến tính
Bài 13: Diễn giải mô hình hồi qui tuyến tính
Bài 14: Cách tìm mô hình “tối ưu”
Bài 15 Tiên lượng qua mô hình hồi qui đa biến (Prediction in multiple linear regression)

27/12/2018 - Chủ đề: Dự báo bằng mô hình hồi qui logistic
Bài 16: Giới thiệu mô hình hồi qui logistic và Poisson
Bài 17: Mô hình hồi qui logistic đa biến (Multiple logistic regression model)
Bài 18: Phương pháp tìm mô hình tối ưu

28/12/2018 - Chủ đề: Dự báo bằng mô hình hồi qui logistic
Bài 19: Tiên lượng bằng mô hình hồi qui logistic 
Bài 20: Đo lường giá trị tiên lượng của mô hình hồi qui logistic
Bài 21: Đánh giá khả năng tiên lượng của mô hình hồi qui logistic

29/12/2018 - Chủ đề: Machine Learning
Bài 22: Giới thiệu machine learning
Bài 23: Mô hình ANN
Bài 24: Mô hình SVM
Bài 26: Mô hình Random Forest

6. Đăng kí và liên lạc

-  Học viên sẽ đăng kí từ ngày ra thông báo đến hết ngày 10/12/2018.
-  Lệ phí khóa học: 6 triệu đồng/học viên (bao gồm sách, tài liệu giảng dạy, và teabreak trong suốt 7 ngày học, vui lòng hoàn tất học phí đến hết 11/12/2018). 
Mọi thông tin vui lòng liên hệ: Phòng quản lý phát triển khoa học và công nghệ, Phòng A303, số 19, Đường Nguyễn Hữu Thọ, P. Tân Phong, Q.7, TP. HCM; Điện thoại: (028) 37755 037; Email: demasted@tdtu.edu.vn.