CHUYÊN NGÀNH HỆ THỐNG THÔNG TIN

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI CHƯƠNG TRÌNH ĐÀO TẠO TIẾN SĨ CHUYÊN NGÀNH HỆ THỐNG THÔNG TIN MÃ SỐ: 62480104 Đã Hội đồng Xây dựng Chương trình đào tạo bậc Tiến sĩ thông qua ngày 15 tháng 12 năm 2013 HÀ NỘI - 2014 MỤC LỤC Trang PHẦN I 1.1 1.2 4.1 4.2 4.3 7.1 7.2 7.2.1 7.2.2 7.2.3 7.3 7.3.1 7.3.2 7.3.3 7.4 TỔNG QUAN VỀ CHƯƠNG TRÌNH ĐÀO TẠO Mục tiêu đào tạo Mục tiêu chung Mục tiêu cụ thể Thời gian đào tạo Khối lượng kiến thức Đối tượng tuyển sinh Định nghĩa Phân loại đối tượng ngành phù hợp Phân loại đối tượng ngành gần phù hợp Quy trình đào tạo, điều kiện công nhận đạt Thang điểm Nội dung chương trình Cấu trúc Học phần bổ sung, chuyển đổi Danh mục học phần bổ sung, chuyển đổi Mô tả tóm tắt học phần bổ sung, chuyển đổi Thời hạn hoàn thành học phần bổ sung, chuyển đổi Học phần trình độ Tiến sĩ Danh mục học phần trình độ Tiến sĩ Mô tả tóm tắt học phần trình độ Tiến sĩ Kế hoạch học tập học phần trình độ Tiến sĩ Chuyên đề Tiến sĩ Danh sách Tạp chí / Hội nghị Khoa học 4 4 5 5 6 6 7 7 8 9 PHẦN II 9.1 9.2 10 ĐỀ CƯƠNG CHI TIẾT CÁC HỌC PHẦN Danh mục học phần chi tiết chương trình đào tạo Danh mục học phần bổ sung, chuyển đổi Danh mục học phần trình độ Tiến sĩ Đề cương chi tiết học phần trình độ Tiến sĩ 10 11 11 11 11 PHẦN I TỔNG QUAN VỀ CHƯƠNG TRÌNH ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI VIỆN CNTT VÀ TRUYỀN THÔNG CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc CHƯƠNG TRÌNH ĐÀO TẠO TIẾN SĨ CHUYÊN NGÀNH "HỆ THỐNG THÔNG TIN“ Tên chương trình: Trình độ đào tạo: Chuyên ngành đào tạo: Mã chuyên ngành: Chương trình đào tạo Tiến sĩ chuyên ngành "Hệ thống thông tin" Tiến sĩ Hệ thống thông tin – Information Systems 62.48.01.04 (Ban hành theo Quyết định số 3446/QĐ-ĐHBK-SĐH ngày tháng năm 2014 Hiệu trưởng trường ĐH Bách Khoa Hà Nội) Mục tiêu đào tạo 1.1 Mục tiêu chung Đào tạo Tiến sĩ chuyên ngành "Hệ thống thông tin" có trình độ chuyên môn sâu cao, có khả nghiên cứu lãnh đạo nhóm nghiên cứu lĩnh vực chuyên ngành, có tư khoa học, có khả tiếp cận giải vấn đề khoa học chuyên ngành, có khả trình bày - giới thiệu nội dung khoa học, đồng thời có khả đào tạo bậc Đại học Cao học 1.2 Mục tiêu cụ thể Sau kết thúc thành công chương trình đào tạo, Tiến sĩ chuyên ngành Hệ thống thông tin:  Có khả phát trực tiếp giải vấn đề khoa học thuộc lĩnh vực Hệ thống thông tin nói riêng Khoa học máy tính nói chung  Có khả dẫn dắt, lãnh đạo nhóm nghiên cứu thuộc lĩnh vực Hệ thống thông tin, Khoa học máy tính  Có khả nghiên cứu, đề xuất áp dụng giải pháp công nghệ thuộc lĩnh vực nói thực tiễn  Có khả cao để trình bầy, giới thiệu (bằng hình thức viết, báo cáo hội nghị, giảng dạy đại học sau đại học) vấn đề khoa học thuộc hai lĩnh vực nói Thời gian đào tạo Vận dụng khoản Điều 81 „Quy định tổ chức quản lý đào tạo sau đại học“ Hiệu trưởng ĐH Bách Khoa Hà Nội ban hành theo định số Theo định số 2257/QĐĐHBK-SĐH, Hiệu trưởng ĐHBK Hà Nội ký ngày 21/08/2012, thời gian đào tạo Tiến sĩ chuyên ngành Hệ thống thông tin là:  năm tập trung liên tục NCS có ThS năm tập trung liên tục NCS có ĐH  Trường hợp NCS không theo học tập trung liên tục Trường, Viện chấp nhận NCS phải có tổng thời gian học tập nghiên cứu tập trung năm NCS có ThS năm NCS có ĐH Trong có gian đoạn 12 tháng tập trung liên tục Bộ môn đào tạo, thực phạm vi năm đầu kể từ ngày ký định công nhận NCS Khối lượng kiến thức Khối lượng kiến thức bao gồm khối lượng học phần trình độ Tiến sĩ khối lượng học phần bổ sung, học phần chuyển đổi xác định cụ thể cho loại đối tượng mục  NCS có ThS: 12 tín + khối lượng bổ sung, chuyển đổi (nếu có)  NCS có ĐH: 12 tín + Chương trình Thạc sĩ Khoa học ngành "Hệ thống thông tin" (không kể luận văn) trường Đại học Bách Khoa Hà Nội tương ứng với đối tượng NCS có ĐH hệ năm, 4,5 năm năm (theo quy định) Chương trình Đối tượng tuyển sinh Đối tượng tuyển sinh thí sinh có Thạc sĩ với chuyên ngành tốt nghiệp phù hợp gần phù hợp với chuyên ngành Hệ thống thông tin Chỉ tuyển sinh có ĐH với ngành tốt nghiệp phù hợp Mức độ phù hợp gần phù hợp với chuyên ngành Hệ thống thông tin, định nghĩa cụ thể mục 4.1 sau 4.1 Định nghĩa  Ngành phù hợp: Là hướng đào tạo chuyên sâu thuộc ngành "Công nghệ Thông tin", ngành "Hệ thống thông tin", "Khoa học máy tính", , "Kỹ thuật phần mềm" , "Kỹ thuật máy tính", "Truyền thông Mạng máy tính" chương trình đào tạo đại học trường ĐHBK HN, chuyên ngành thuộc ngành Công nghệ thông tin trường đại học khác (như Khoa học máy tính, Hệ thống thông tin, Kỹ thuật phần mềm, Truyền thông Mạng máy tính, Kỹ thuật máy tính)  Ngành gần phù hợp: Ngành "Điện tử truyền thông", "Điều khiển tự động", "Tin học công nghiệp", "Sư phạm kỹ thuật tin" chương trình đào tạo đại học trường ĐHBK HN trường đại học khác Phân loại đối tượng ngành phù hợp Có ThS Khoa học ĐH Bách Khoa Hà Nội với ngành tốt nghiệp cao học với chuyên ngành Tiến sĩ Đây đối tượng tham gia học bổ sung, gọi tắt đối tượng A1 4.2   Có tốt nghiệp Đại học loại xuất sắc với ngành tốt nghiệp với chuyên ngành Tiến sĩ Đây đối tượng phải tham gia học bổ sung, gọi tắt đối tượng A2  Có ThS ngành, ThS Khoa học ĐH Bách Khoa Hà Nội có ThS tốt nghiệp ngành gần phù hợp Đây đối tượng phải tham gia học bổ sung, gọi tắt đối tượng A3 Quy trình đào tạo, điều kiện công nhận đạt  Quy trình đào tạo thực theo học chế tín chỉ, tuân thủ Quy định tổ chức quản lý đào tạo sau đại học ĐH Bách Khoa Hà Nội  Các học phần bổ sung, học phần chuyển đổi phải đạt mức điểm C trở lên (xem mục 6)  Các học phần trình độ Tiến sĩ phải đạt mức điểm B trở lên (xem mục 6) Thang điểm Việc chấm điểm kiểm tra - đánh giá học phần (bao gồm điểm kiểm tra điểm thi kết thúc học phần) thực theo thang điểm từ đến 10, làm tròn đến chữ số thập phân sau dấu phẩy Điểm học phần điểm trung bình có trọng số điểm kiểm tra điểm thi kết thúc (tổng tất điểm kiểm tra, điểm thi kết thúc nhân với trọng số tương ứng điểm quy định đề cương chi tiết học phần) Điểm học phần làm tròn đến chữ số thập phân sau dấu phẩy, sau chuyển thành điểm chữ với mức sau:  Điểm số từ 8,5 – 10 chuyển thành điểm A (Giỏi)  Điểm số từ 7,0 – 8,4 chuyển thành điểm B (Khá)  Điểm số từ 5,5 – 6,9 chuyển thành điểm C (Trung bình)  Điểm số từ 4,0 – 5,4 chuyển thành điểm D (Trung bình yếu)  Điểm số 4,0 chuyển thành điểm F (Kém) Nội dung chương trình 7.1 Cấu trúc Cấu trúc chương trình đào tạo trình độ Tiến sĩ gồm có phần bảng sau Phần Nội dung đào tạo HP bổ sung HP TS TLTQ CĐTS NC khoa học Luận án TS Lưu ý: A1 A2 A3 CT ThS KH  4TC 12TC Thực báo cáo năm học Tổng cộng CĐTS, CĐTS 2TC  Số TC qui định cho đối tượng số TC tối thiểu NCS phải hoàn thành  Đối tượng A2 phải thực toàn học phần qui định chương trình ThS Khoa học ngành tương ứng, không cần thực luận văn ThS  Các HP bổ sung lựa chọn từ chương trình đào tạo Thạc sĩ ngành chuyên ngành Tiến sĩ  Việc qui định số TC HP bổ sung cho đối tượng A3 người hướng dẫn (NHD) định dựa sở đối chiếu học phần bảng kết học tập ThS thí sinh với chương trình ThS ngành chuyên ngành Tiến sĩ phải đảm bảo số TC tối thiểu bảng  Các HP TS NHD đề xuất từ chương trình đào tạo Thạc sĩ Tiến sĩ trường nhằm trang bị kiến cần thiết phục vụ cho đề tài nghiên cứu cụ thể LATS Học phần bổ sung 7.2  Các học phần bổ sung mô tả "Chương trình đào tạo Thạc sĩ" ngành "Hệ thống thông tin“ hành trường ĐH Bách Khoa Hà Nội  NCS phải hoàn thành học phần bổ sung thời hạn năm kể từ ngày có định công nhận NCS 7.3 Học phần trình độ Tiến sĩ 7.3.1 Danh mục học phần trình độ Tiến sĩ NỘI MÃ TÊN HỌC PHẦN DUNG SỐ Bắt buộc Tự chọn GIẢNG VIÊN PGS Nguyễn Thị Kỹ nghệ liệu tri Kim Anh thức TS Thân Quang IT7310 Knowledge and Data Khoát Engineering TS Nguyễn Nhật Quang PGS Nguyễn Thị Kim Anh Tích hợp liệu TS Vũ Tuyết IT7331 Data Integration Trinh TS Nguyễn Bá Ngọc TS Vũ Tuyết Trinh Tìm kiếm thông tin TS Nguyễn Bá IT7341 Information Retrieval Ngọc TS Nguyễn Thị Oanh TS Nguyễn Nhật Quang Khai phá liệu phát PGS Nguyễn Thị tri thức IT7351 Kim Anh Data Mining and TS Thân Quang Knowledge Discovery Khoát PGS Lê Thanh Hương Khai phá liệu văn PGS Nguyễn Thị IT7361 liệu Web Kim Anh Text and Web Mining TS Nguyễn Bá Ngọc Các tiếp cận logic biểu diễn xử lý thông tin IT7371 Logical approaches in information representation and procesing PGS Trần Đình Khang PGS Lê Thanh Hương 1.TS Nguyễn Bình Minh TS Nguyễn Hữu Đức Các chủ đề nâng cao IT7381 xử lý liệu lớn Advanced Topics in Big Data Processing TÍN KHỐI CHỈ LƯỢNG 3(2-2-0-6) 3(2-2-0-6) 3(2-2-0-6) 3(2-2-0-6) 3(2-2-0-6) 3(2-2-0-6) 3(2-2-0-6) 1.TS Thân Quang Khoát PGS Nguyễn Thị Kim Anh Các chủ đề nâng cao đối IT7391 với phân tích liệu lớn Advanced Topics for Big Data Analytics 3(2-2-0-6) 7.3.2 Mô tả tóm tắt học phần trình độ Tiến sĩ IT7310 Kỹ nghệ liệu tri thức Cung cấp kỹ nghệ vấn đề thu thập quản trị loại liệu nói chung: liệu có cấu trúc, bán cấu trúc phi cấu trúc Cung cấp kỹ nghệ vấn đề thu thập quản trị loại tri thức nói chung: tri thức ẩn, tri thức hiện, tri thức rõ, tri thức mờ, IT7310 Knowledge and Data Engineering Provide techniques for data collection and data management: structured data, semistructured data and unstructured data Provide techniques for knowledge collection and knowledge management: hidden knowledge, present knowledge, clear knowledge, fuzzy knowledge, IT7331 Tích hợp Cung cấp kỹ thuật vấn đề thu thập liệu từ nguồn liệu không Cung cấp kỹ thuật vấn đề làm liệu để đảm bảo tính quán liệu Cung cấp kỹ thuật vấn đề sinh câu trả lời quán IT7331 Data Integration Provide techniques for data collection from homogeneous and heterogeneous data sources Provide techniques for data cleaning to ensure data consistency Provide techniques for generating consistent answers IT7341 Tìm kiếm thông tin Cung cấp kỹ thuật vấn đề thu thập, trích chọn, biểu diễn, lưu trữ tài liệu hệ tìm kiếm thông tin Cung cấp kỹ thuật vấn đề xử lý yêu cấu tìm kiếm trình diễn kết tìm kiếm IT7341 Information Retrieval Provide techniques for collecting, extracting, representing, storing data for an search engine Provide techniques for processing search queries and presenting search result IT7351 Khai phá liệu phát tri thức (Data Mining and Knowledge Discovery) Cung cấp kỹ thuật vấn đề chuẩn bị liệu cho khai phá liệu Cung cấp kỹ thuật khai phá liệu nói chung: phát luật kết hợp, phân cụm liệu, phân loại liệu tóm tắt liệu IT7351 Data Mining and Knowledge Discovery Provide techniques for data preparation in data mining Provide techniques for data mining: discovering association rules, data clustering, data categorization and data summarization IT7361 Khai phá liệu văn liệu Web (Text and Web Mining) Học phần cung cấp kỹ thuật công cụ sử dụng khai phá liệu văn liệu web Trên sở đó, NCS phát triển ứng dụng máy tìm kiếm, thương mại điện tử, thư viện số, hệ thống quản lý tri thức, v.v Cung cấp kỹ thuật vấn đề tiền xử lý biểu diễn văn cho khai phá văn Cung cấp kỹ thuật khai phá văn nói chung: phân cụm văn bản, phân loại văn tóm tắt văn Cung cấp kỹ thuật khai phá Web IT7361 Text and Web Mining This course provides techniques and tools used in text mining and web mining From that point of view, PhD student can develop applications such as search engines, e-commerce, digital libraries, systems for knowledge management, etc Provide techniques for preprocessing and representing documents for text mining Provide text mining techniques: text clustering, text categorization and summary documents Provide Web mining techniques IT7371 Các tiếp cận logic biểu diễn xử lý thông tin Trình bày tổng quan logic tính toán, với logic kinh điển logic bậc cao; phân loại ngôn ngữ khái niệm theo cú pháp cấu trúc với thủ tục tính toán Đưa biểu diễn ngữ nghĩa cho nhãn ngôn ngữ phép toán xử lý IT7371 Logical approaches in information representation and procesing Presenting an overviewing of computational logic, including the classic logic and the higherorder logic; classifying conceptual languagues by their syntax and their structure along with computational procedures Providing semantic representations for language labels and processing operators IT7381 Các chủ đề nâng cao xử lý liệu lớn Học phần trình bày kỹ thuật hệ thống cho việc xử lý liệu lớn theo hướng nâng cao Các chủ đề liên quan tới tảng tính toán cho liệu lớn bao gồm lưu trữ liệu lớn, hệ thống cho phép xử lý liệu lớn Các chủ đề liên quan tới xử lý liệu lớn bao gồm truy hồi thông tin (information retrieval) với MapReduce, xử lý đồ thị (graph processing) với MapReduce, quản lý liệu với MapReduce, khai phá liệu với MapReduce số mô hình toán học thiết kế thuật toán liệu lớn Mục tiêu học phần giúp học viên có kiến thức nâng cao với phân tích sâu chủ đề nói IT7381 Advanced Topics in Big Data Procesing This course surveys techniques and systems for efficiently processing massive datasets with the focus on advanced knowledge Topics related to computing platforms for big data include: big data storage, big data processing systems Topics related to large dataset processing include: information retrieval with MapReduce, graph processing with MapReduce, data management with MapReduce, data mining with MapReduce and several mathematical models for designing algorithms for big data The goal of the course is to gain advanced knowledge along with indepth discussions of the topics covered IT7391 Các chủ đề nâng cao phân tích liệu lớn Học phần trình bày phương pháp kỹ thuật phân tích liệu lớn theo hướng nâng cao Các chủ đề liên quan tới phân tích liệu lớn bao gồm: phân loại hồi qui, mô hình đồ thị xác suất, giảm chiều, mô hình thưa liệu lớn Mục tiêu học phần giúp học viên có kiến thức nâng cao với phân tích sâu chủ đề nói IT7391 Advanced Topics for Big Data Analytics This course surveys methods and techniques for massive datasets analytics with the focus on advanced knowledge Topics related to big data analytics include: Large-scale classification and regression, Probabilistic graphical models, Nonlinear dimensionality reduction, Sparse modeling The goal of the course is to gain advanced knowledge along with in-depth discussions of the topics covered 7.3.3 Kế hoạch học tập học phần trình độ Tiến sĩ Các học phần trình độ Tiến sĩ thực linh hoạt, tùy theo điều kiện thời gian cụ thể giảng viên Tuy nhiên, nghiên cứu sinh phải hoàn thành học phần trình độ Tiến sĩ vòng 24 tháng kể từ ngày thức nhập trường 7.4 Chuyên đề Tiến sĩ Mỗi nghiên cứu sinh phải hoàn thành chuyên đề Tiến sĩ theo nguyên tắc sau:  01 chuyên đề theo hướng chuyên sâu bắt buộc, chuyên đề lại tùy chọn từ danh sách hướng chuyên sâu tự chọn Mỗi hướng chuyên sâu có người hướng dẫn Hội đồng Xây dựng chương trình đào tạo chuyên ngành Viện Công nghệ thông tin truyền thông xác định  Người hướng dẫn khoa học luận án nghiên cứu sinh đề xuất đề tài cụ thể theo hướng bắt buộc hướng tự chọn Ưu tiên đề xuất đề tài gắn liền thiết thực với đề tài luận án Tiến sĩ  Sau có đề tài cụ thể, NCS thực đề tài hướng dẫn khoa học người hướng dẫn chuyên đề Danh mục hướng chuyên sâu cho Chuyên đề Tiến sĩ NỘI NGƯỜI HƯỚNG TÍN MÃ SỐ HƯỚNG CHUYÊN SÂU DUNG DẪN CHỈ PGS Trần Đình Khang Các hệ thống thông minh Bắt buộc IT7410 PGS Nguyễn Thị Kim Intelligent Systems Anh PGS Nguyễn Thị Kim Các hệ CSDL thông minh IT7421 Anh Intelligent Database Systems PGS Lê Thanh Hương Tìm kiếm dựa ngữ nghĩa TS Lê Thanh Hương IT7431 Intelligent Information Retrieval TS Nguyễn Bá Ngọc Tự chọn Hệ dựa logic IT7441 PGS Trần Đình Khang Logic-based Systems TS Nguyễn Nhật Hệ gợi ý Quang IT7451 Recommender Systems PGS Nguyễn Thị Kim Anh 10 Danh mục học phần chi tiết chương trình đào tạo 9.1 Danh mục học phần bổ sung, chuyển đổi Danh mục học phần bổ sung, chuyển đổi tương ứng với đối tượng NCS cụ thể xem chi tiết Chương trình đào tạo Thạc sĩ Hệ thống thông tin 9.2 Danh mục học phần trình độ Tiến sĩ Số TT MÃ SỐ TÊN HỌC PHẦN TÊN TIẾNG ANH KHỐI LƯỢNG Kỹ nghệ liệu Knowledge and IT7310 tri thức 3(2-2-0-6) Data Engineering IT7331 IT7341 10 Tích hợp liệu Data Integration 3(2-2-0-6) Tìm kiếm thông tin Information 3(2-2-0-6) Retrieval Khai phá liệu Data Mining and IT7351 phát tri thức Knowledge 3(2-2-0-6) Discovery Khai phá liệu văn liệu Text and Web IT7361 3(2-2-0-6) Web Mining Logical approaches Các tiếp cận logic in information IT7371 biểu diễn representation and xử lý thông tin procesing Các chủ đề nâng Advanced topics in IT7381 cao xử lý big data procesing liệu lớn Các chủ đề nâng Advanced topics IT7391 cao phân for big data tích liệu lớn analytics Đề cương chi tiết học phần trình độ Tiến sĩ 13 Khoa/Viện Bộ môn Bm HTTT Bm HTTT Bm HTTT Bm HTTT Đánh giá KT0,4T0,6 KT0,4T0,6 KT0,4T0,6 KT0,4T0,6 Bm HTTT KT0,4T0,6 Bm HTTT KT0,4T0,6 Bm HTTT KT0,4T0,6 Bm HTTT KT0,4T0,6 3(2-2-0-6) 3(2-2-0-6) 3(2-2-0-6) IT7310 Kỹ nghệ liệu tri thức Knowledge and Data Engineering Tên học phần: Kỹ nghệ liệu tri thức Mã học phần: IT7310 Tên tiếng Anh: Knowledge and Data Engineering Khối lượng: (2-2-0-6) - Lý thuyết: 30 tiết - Bài tập: 30 tiết - Thí nghiệm: Đối tượng tham dự: NCS thuộc chuyên ngành Hệ thống thông tin Mục tiêu học phần: Học phần nhằm mang lại cho NCS: - Các kiến thức nâng cao lý luận chuyên ngành Hệ thống thông tin - Rèn luyện khả tư - Rèn luyện kỹ thử nghiệm chuyên ngành Hệ thống thông tin - Có khả lựa chọn kỹ nghệ thích hợp cho phép thu thập quản trị liệu tri thức Hệ thống thông tin cụ thể Nội dung tóm tắt: Học phần cung cấp kỹ nghệ liệu bao gồm: kỹ thuật thu thập, biểu diễn, lưu trữ truy vấn liệu kỹ nghệ tri thức bao gồm: biểu diễn tri thức, lập luận không chắn phát tri thức sử dụng học máy khai phá liệu Nhiệm vụ NCS: - Dự lớp: đầy đủ theo quy chế - Bài tập: hoàn thành tập học phần - Thí nghiệm: Đánh giá kết quả: - Mức độ dự giảng: - Kiểm tra định kỳ: trọng số 0.4 - Thi kết thúc học phần: tự luận, trọng số 0.6 10 Nội dung chi tiết học phần: PHẦN MỞ ĐẦU Giới thiệu môn học Giới thiệu đề cương môn học Giới thiệu tài liệu tham khảo Phần Kỹ nghệ liệu (DE) Chương 1: Giới thiệu Các khái niệm DE Các hoạt động DE Các hệ CSDL Các ứng dụng nâng cao Chương 2: Biểu diễn liệu Các kiểu liệu Mô hình liệu quan hệ Mô hình liệu hướng đối tượng Mô hình liệu đa chiều Mô hình liệu XML 14 Thiết kế chuẩn hóa liệu Chương 3: Lưu trữ liệu Tổ chức lưu trữ liệu quan hệ Tổ chức lưu trữ liệu hướng đối tượng Tổ chức lưu trữ liệu OLAP Lưu trữ đánh số liệu XML Chương 4: Truy vấn liệu Ngôn ngữ truy vấn CSDL quan hệ Ngôn ngữ truy vấn CSDL hướng đối tượng Các thao tác OLAP mô hình liệu đa chiều Ngôn ngữ truy vấn liệu bán cấu trúc Các kỹ thuật xử lý tối ưu hóa truy vấn Phần Kỹ nghệ tri thức (KE) Chương 1: Giới thiệu Các khái niệm KE Các hoạt động KE Các hệ thống dựa tri thức (KBSs) Chương 2: Biểu diễn tri thức Biểu diễn dựa luật Biểu diễn dựa frame Biểu diễn dựa mạng ngữ nghĩa Chương 3: Lập luận không chắn Lý thuyết xác xuất Lập luận xác suất Các mạng Bayes Logic mờ Chương 4: Phát tri thức sử dụng Học máy Khai phá liệu Học định Quy nạp luật Học dựa mẫu Phát luật kết hợp 11 Tài liệu học tập: 12 Tài liệu tham khảo: S Kendal and M Creen An Introduction to Knowledge Engineering Springer-Verlag, 2007 S Russell and P Norvig Artificial Intelligence: A Modern Approach 2nd edition PrenticeHall, 2003 T M Mitchell Machine Learning McGraw-Hill, 1997 S Chakrabarti Mining the Web: Discovering Knowledge from Hypertext Data Morgan Kaufmann Publishers, 2003 P.N Tan, M Steinbach, and V Kumar Introduction to Data Mining Addison-Wesley, 2005 J Han and M Kamber Data Mining: Concepts and Techniques, 2nd Edition Morgan Kaufmann, 2006 H Witten and E Frank Data Mining: Practical Machine Learning Tools and Techniques, 2nd Edition Morgan Kaufmann, 2005 15 IT7331 Tích hợp liệu Data Integration Tên học phần: Tích hợp liệu Mã học phần: IT7331 Tên tiếng Anh: Data Integration Khối lượng: (2-2-0-6) - Lý thuyết: 30 tiết - Bài tập: 30 tiết - Thí nghiệm: Đối tượng tham dự: NCS thuộc chuyên ngành Hệ thống thông tin Mục tiêu học phần: Học phần nhằm mang lại cho NCS: - Các kiến thức nâng cao phương pháp thách thức tích hợp liệu - Rèn luyện khả tư - Rèn luyện kỹ thử nghiệm xây dựng Hệ tích hợp liệu Nội dung tóm tắt: Học phần cung cấp cách tiếp cận để xây dựng hệ tích hợp liệu: kỹ thuật đối sánh lược đồ, đối sánh liệu, xây dựng lược đồ tích hợp, xử lý yêu cầu truy vấn hệ tích hợp liệu, kỹ thuật nâng cao làm liệu trả lời truy vấn quán Nhiệm vụ NCS: - Dự lớp: đầy đủ theo quy chế - Bài tập: hoàn thành tập học phần - Thí nghiệm: Đánh giá kết quả: - Mức độ dự giảng: - Kiểm tra định kỳ: trọng số 0.4 - Thi kết thúc học phần: tự luận, trọng số 0.6 10 Nội dung chi tiết học phần: PHẦN MỞ ĐẦU Giới thiệu môn học Giới thiệu đề cương môn học Giới thiệu tài liệu tham khảo Chương 1: Giới thiệu chung Vài nét lịch sử Các cách tiếp cận tích hợp liệu Các vấn đề liên quan đến tích hợp liệu 3.1 Tích hợp lược đồ 3.2 Tích hợp liệu 3.3 Viết lại truy vấn Chương 2: Tích hợp lược đồ & liệu, xử ly truy vấn hệ tích hợp liệu Tích hợp lược đồ 1.1 Các cách tiếp cận đối sánh lược đồ 1.2 Đánh giá đối sánh lược đồ 16 1.3 Các ứng dụng đối sánh lược đồ 1.4 Các vấn đề mở Tích hợp liệu 2.1 Tiếp cận GENMAPPER 2.2 Tiếp cận tích hợp lai Xử lý truy vấn hệ tích hợp liệu 3.1 Mô hình chung 3.2 Viết lại truy vấn 3.3 Tối ưu hóa xử ly truy vấn hệ tích hợp liệu Chương 3: Làm liệu trả lời truy vấn quán Các dị thường liệu chất lượng liệu Các phương pháp sử dụng làm liệu Các cách tiếp cận tồn làm liệu Trả lời truy vấn quán hệ tích hợp liệu Các thách thức vấn đề mở 11 Tài liệu học tập: 12 Tài liệu tham khảo: Do Hong Hai, Schema Matching and Mapping-based Data Integration, VDM Verlag Dr Muller, 2006 Maurizio Lenzerini (2002) "Data Integration: A Theoretical Perspective" PODS 2002: 233-246 Patrick Ziegler and Klaus R Dittrich (2004) "Three Decades of Data Integration - All Problems Solved?" WCC 2004: 3-12 C Koch (2001) "Data Integration against Multiple Evolving Autonomous Schemata" Jeffrey D Ullman (1997) "Information Integration Using Logical Views" ICDT 1997: 19-40 A.Y Halevy (2001) "Answering queries using views: A survey" The VLDB Journal: 270-294 Alon Y Halevy, Naveen Ashish, Dina Bitton, Michael J Carey, Denise Draper, Jeff Pollock, Arnon Rosenthal, Vishal Sikka (2005) "Enterprise information integration: successes, challenges and controversies" SIGMOD 2005: 778-787 17 IT7341 Tìm kiếm thông tin Information Retrieval Tên học phần: Tìm kiếm thông tin Mã học phần: IT7341 Tên tiếng Anh: Information Retrieval Khối lượng: 3(2-2-0-6) - Lý thuyết: 30 tiết - Bài tập: 30 tiết - Thí nghiệm: Đối tượng tham dự: Tất NCS thuộc chuyên ngành Hệ thống thông tin Mục tiêu học phần: Học phần nhằm mang lại cho NCS: - kiến thức nâng cao tìm kiếm thông tin - chủ đề nghiên cứu liên quan đến tìm kiếm thông tin Nội dung tóm tắt: Biểu diễn lưu trữ; Mô hình tìm kiếm; Chỉ mục; Phân lớp, phân cụm; Các kỹ thuật tìm kiếm; Đánh giá hệ thống tìm kiếm thông tin, máy tìm kiếm web; tìm kiếm đa phương tiện; xu hướng phát triển Nhiệm vụ NCS: - Dự lớp: theo quy định - Bài tập: hoàn thành đầy đủ tập - Thí nghiệm: Đánh giá kết quả: - Mức độ dự giảng: 0.05 - Kiểm tra định kỳ: 0.25 - Thi kết thúc học phần: 0.7 10 Nội dung chi tiết học phần: PHẦN MỞ ĐẦU Giới thiệu môn học Giới thiệu đề cương môn học Giới thiệu tài liệu tham khảo Chương 1: Giới thiệu chung Tổng quan tìm kiếm thông tin Các khái niệm Quy trình tìm kiếm thông tin Chương 2: Các mô hình tìm kiếm thông tin mục Mô hình Boolean Mô hình không gian vec-tơ Mô hình xác suất Từ điển posting list Chương 3: Phân loại phân cụm Naive Bayes, Bayesian Networks Nearest Neighbour and SVM Decision tree learning Ensemble learning kMeans & EM 18 DBSCAN Hierarchical clustering Chương 4: Đánh giá hiệu tìm kiếm Các thông số đánh giá kết tìm kiếm Precision, Re-call, Fall-out, … Thử nghiệm đánh giá hệ tìm kiếm thông tin với liệu 2.1 TREC 2.2 CACM & CISI 2.3 Cystic Fibrosis Chương 5: Kỹ thuật tìm kiếm lọc Phản hồi người dùng kết tìm kiếm Hồ sơ người dùng Lọc cộng tác Chương 6: Mô-tơ tìm kiếm Web (search engine) Giới thiệu chung tìm kiếm web Thu thập đánh mục Phân tích liên kết Web spam, SEO ; Reference models ; Google’s Pagerank ; Hub and authorities Chương 7: Các xu hướng phát triển 1.Tìm kiếm thông tin đa phương tiện Tìm kiếm đa ngôn ngữ Tìm kiếm thông tin hướng người dùng Các ứng dụng tiêu biểu Một số vấn đề mở 11 Tài liệu học tập: 12 Tài liệu tham khảo: [1] Christopher D Manning, Prabhakar Raghavan and Hinrich Schütze, Introduction to Information Retrieval, Cambridge University Press 2008 [2] Ricardo Baeza-Yates, Berthier Ribeiro-Neto , Modern Information Retrieval Addison Wesley 2004 báo 19 IT7351 Khai phá liệu phát tri thức Data Mining and Knowledge Discovery Tên học phần: Khai phá liệu phát tri thức Mã học phần: IT7351 Tên tiếng Anh: Data Mining and Knowledge Discovery Khối lượng: (2-2-0-6) - Lý thuyết: 30 tiết - Bài tập: 30 tiết - Thí nghiệm: Đối tượng tham dự: NCS thuộc chuyên ngành Hệ thống thông tin Mục tiêu học phần: Học phần giới thiệu tổng quan khai phá liệu phát tri thức, trình bày tóm tắt kỹ thuật phương pháp khai phá liệu phát tri thức Ngoài ra, học phần trình bày số vấn đề phương pháp nâng cao khai phá liệu phát tri thức Trong học phần này, nghiên cứu sinh yêu cầu nghiên cứu nắm kiến thức thông qua việc tự đọc báo chọn lọc trình bày hiểu biết thu Nội dung tóm tắt: Giới thiệu tổng quan khai phá liệu phát tri thức Các kỹ thuật số vấn đề nâng cao tiền xử lý liệu Các phương pháp số vấn đề nâng cao phát luật kết hợp Các phương pháp số vấn đề nâng cao phân lớp dự đoán Các phương pháp số vấn đề nâng cao phân nhóm Nhiệm vụ NCS: - Dự lớp: đầy đủ theo quy chế - Bài tập: hoàn thành tập học phần - Thí nghiệm: Đánh giá kết quả: - Mức độ dự giảng: - Kiểm tra định kỳ: trọng số 0.3 - Thi kết thúc học phần: tự luận, trọng số 0.7 10 Nội dung chi tiết học phần: PHẦN MỞ ĐẦU Giới thiệu học phần Giới thiệu đề cương học phần Giới thiệu tài liệu tham khảo CHƯƠNG 1: Tổng quan khai phá liệu phát tri thức 1.1 Giới thiệu khai phá liệu phát tri thức 1.2 Các bước trình khai phá liệu phát tri thức 1.3 Các ứng dụng tiêu biểu 1.4 Các vấn đề thách thức 1.5 Các công cụ tiện ích 20 CHƯƠNG 2: Tiền xử lý liệu 2.1 Giới thiệu tiền xử lý liệu 2.2 Các kỹ thuật tiền xử lý liệu 2.3 Chọn lọc số vấn đề kỹ thuật nâng cao tiền xử lý liệu CHƯƠNG 3: Phát luật kết hợp 3.1 Giới thiệu phát luật kết hợp 3.2 Các phương pháp phát luật kết hợp 3.3 Chọn lọc số vấn đề phương pháp nâng cao phát luật kết hợp CHƯƠNG 4: Phân lớp dự đoán 4.1 Giới thiệu phân lớp dự đoán 4.2 Các phương pháp phân lớp dự đoán 4.3 Chọn lọc số vấn đề phương pháp nâng cao phân lớp dự đoán CHƯƠNG 5: Phân nhóm 5.1 Giới thiệu phân nhóm 5.2 Các phương pháp phân nhóm 5.3 Chọn lọc số vấn đề phương pháp nâng cao phân nhóm 11 Tài liệu học tập: 12 Tài liệu tham khảo: [1] Pang-Ning Tan, Michael Steinbach, and Vipin Kumar Introduction to Data Mining Addison-Wesley, 2005 [2] Jiawei Han and Micheline Kamber Data Mining: Concepts and Techniques, 2nd Edition Morgan Kaufmann, 2006 [3] Các báo chọn lọc liên quan đến vấn đề nâng cao 21 IT7361 Khai phá liệu văn liệu web Text and Web Mining Tên học phần: Khai phá liệu văn liệu web Mã học phần: IT7361 Tên tiếng Anh: Text and Web Mining Khối lượng: (2-2-0-6) - Lý thuyết: 30 tiết - Bài tập: 30 tiết - Thí nghiệm: Đối tượng tham dự: NCS thuộc chuyên ngành Hệ thống thông tin Mục tiêu học phần: Học phần nhằm mang lại cho NCS: - Các kiến thức nâng cao lý luận chuyên ngành Hệ thống thông tin - Rèn luyện khả tư - Rèn luyện kỹ thí nghiệm chuyên ngành Hệ thống thông tin - Có khả lựa chọn phương pháp thích hợp để cài đặt ứng dụng cho phép xử lý liệu web văn cho ứng dụng cụ thể Nội dung tóm tắt: Học phần cung cấp kỹ thuật công cụ sử dụng khai phá liệu văn liệu web Trên sở đó, NCS có phát triển ứng dụng máy tìm kiếm, thương mại điện tử, thư viện số, hệ thống quản lý tri thức, v.v Nhiệm vụ NCS: - Dự lớp: đầy đủ theo quy chế - Bài tập: hoàn thành tập học phần - Thí nghiệm: Đánh giá kết quả: - Mức độ dự giảng: - Kiểm tra định kỳ: trọng số 0.4 - Thi kết thúc học phần: tự luận, trọng số 0.6 10 Nội dung chi tiết học phần: PHẦN MỞ ĐẦU Giới thiệu môn học Giới thiệu đề cương môn học Giới thiệu tài liệu tham khảo CHƯƠNG 1: Khai phá văn 1.1 Giới thiệu 1.2 Các thao tác khai phá văn 1.2.1 Các thao tác 1.2.2 Sử dụng tri thức tảng khai phá văn 1.2.3 Ngôn ngữ truy vấn khai phá văn 22 1.3 Các kỹ thuật tiền xử lý khai phá văn 1.4 Các công cụ khai phá văn 1.5 Các ứng dụng khai phá văn CHƯƠNG 2: Khai phá liệu web 2.1 Khai phá nội dung trang web 2.1.1 Đánh số trang tìm kiếm môi trường web 2.1.2 Xếp hạng kết tìm kiếm 2.1.3 Phân loại gộp nhóm tài liệu web 2.2 Khai phá cấu trúc web 2.2.1 Phân tích liên kết web 2.2.2 Xếp hạng trang web 2.3 Khai phá việc sử dụng web 2.3.1 Ứng xử người dùng 2.3.2 Quảng cáo mạng 2.4 Trích rút thông tin 2.6 Hệ tư vấn 11 Tài liệu học tập: 12 Tài liệu tham khảo: [4] Sullivan, Dan (2001) Document Warehousing and Text Mining: Wiley [5] Brin, Sergey, and Lawrence Page (1998) The Anatomy of a Large-Scale Hypertextual Web Search Engine Computer Networks and ISDN Systems 30 : 107-117 [6] Croft, W Bruce (1995) What Do People Want from Information Retrieval? D-Lib Magazine November [7] Ronen Feldman,James Sanger (2006) The text mining handbook: advanced approaches in analyzing unstructured data Cambridge University Press 23 IT7371 Các tiếp cận logic biểu diễn xử lý thông tin Logical approaches in information representation and procesing Tên học phần: Các tiếp cận logic biểu diễn xử lý thông tin Mã học phần: IT7371 Tên tiếng Anh: Logical approaches in information representation and procesing Khối lượng: 3(2-2-0-6) - Lý thuyết: 30 tiết - Bài tập: 30 tiết (BTL) - Thí nghiệm: Đối tượng tham dự: NCS thuộc chuyên ngành Hệ thống thông tin Mục tiêu học phần: Học phần nhằm mang lại cho NCS: - Các kiến thức nâng cao lý luận chuyên ngành Hệ thống thông tin - Rèn luyện khả tư - Rèn luyện kỹ thí nghiệm chuyên ngành Hệ thống thông tin - Có khả lựa chọn tiếp cận logic thích hợp biểu diễn xử lý thông tin Nội dung tóm tắt: Trình bày tổng quan logic tính toán, với logic kinh điển logic bậc cao; phân loại ngôn ngữ khái niệm theo cú pháp cấu trúc với thủ tục tính toán Đưa biểu diễn ngữ nghĩa cho nhãn ngôn ngữ phép toán xử lý Nhiệm vụ NCS: - Dự lớp: đầy đủ, theo quy chế - Bài tập: hoàn thành tập - Thí nghiệm: Đánh giá kết quả: (cách cho điểm giống quy định Cao học) - Mức độ dự giảng: - Kiểm tra định kỳ: trọng số 0.4 - Thi kết thúc học phần: trọng số 0.6 10 Nội dung chi tiết học phần: PHẦN MỞ ĐẦU Giới thiệu môn học Giới thiệu đề cương môn học Giới thiệu tài liệu tham khảo CHƯƠNG 1: Tổng quan logic tính toán 1.1 Logic mệnh đề 1.2 Logic vị từ bậc 1.3 Logic bậc cao CHƯƠNG 2: Các tiếp cận logic biểu diễn xử lý thông tin 2.1 Các ngôn ngữ khái niệm 2.2 Suy diễn không đơn điệu CHƯƠNG 3: Biểu diễn xử lý thông tin dạng ngôn ngữ 3.1 Tính toán với từ 3.2 Đại số gia tử 3.3 Suy luận ngôn ngữ CHƯƠNG 4: Các vấn đề khác 4.1 Ứng dụng logic điều khiển học 4.2 Ứng dụng logic xử lý ngôn ngữ tự nhiên 11 Tài liệu học tập: (danh mục giáo trình, bỏ trống) 24 12 Tài liệu tham khảo: [1] Franz Baader, Diago Calvanese, Deborah McGuinness, Daniele Nardi, Peter PatelSchneider, The Description Logic Handbook, Theory, Implementation and Applications, Cambridge University Press 2003 [2] Rene Cori, Daniel Lascar, Mathematical Logic, Oxford University Press, 2001 [3] LOTFI A ZADEH, FROM COMPUTING WITH NUMBERS TO COMPUTING WITHWORDS - FROM MANIPULATION OF MEASUREMENTS TO MANIPULATION OF PERCEPTIONS, Int J Appl Math Comput Sci., 2002, Vol.12, No.3, 307–324 [4] Jerry M Mendel, Computing with words and its relationships with fuzzistics, Information Sciences: an International Journal, Volume 177 Issue 4, February, 2007 [5] Cat-Ho Nguyen, Dinh Khang Tran, Van Nam Huynh, Hai Chau Nguyen, Hedge Algebras, Linguistic-Valued Logic and Their Application to Fuzzy Reasoning International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems 7(4): 347-361 (1999) IT7381 Các chủ đề nâng cao xử lý liệu lớn Advanced topics in big data processing Tên học phần: Các chủ đề nâng cao xử lý liệu lớn Mã học phần: Tên tiếng Anh: Advanced topics in big data processing Khối lượng: 3(2-2-0-6) - Lý thuyết: 30 tiết - Bài tập: 30 tiết (BTL) - Thí nghiệm: Đối tượng tham dự: NCS thuộc chuyên ngành Hệ thống thông tin Mục tiêu học phần: Học phần nhằm mang lại cho NCS: - Các kiến thức nâng cao lý luận chuyên ngành Hệ thống thông tin - Rèn luyện khả tư - Rèn luyện kỹ thí nghiệm chuyên ngành Hệ thống thông tin - Có khả lựa chọn tiếp cận thích hợp lưu trữ xử lý liệu lớn Nội dung tóm tắt: Học phần trình bày kỹ thuật hệ thống cho việc xử lý liệu lớn theo hướng nâng cao Các chủ đề liên quan tới tảng tính toán cho liệu lớn bao gồm lưu trữ liệu lớn, hệ thống cho phép xử lý liệu lớn Các chủ đề liên quan tới xử lý liệu lớn bao gồm truy hồi thông tin (information retrieval) với MapReduce, xử lý đồ thị (graph processing) với MapReduce, quản lý liệu với MapReduce, khai phá liệu với MapReduce số mô hình toán học thiết kế thuật toán liệu lớn Mục tiêu học phần giúp học viên có kiến thức nâng cao với phân tích sâu chủ đề nói Nhiệm vụ NCS: - Dự lớp: đầy đủ, theo quy chế - Bài tập: hoàn thành tập - Thí nghiệm: Đánh giá kết quả: (cách cho điểm giống quy định Cao học) - Mức độ dự giảng: - Kiểm tra định kỳ: trọng số 0.4 - Thi kết thúc học phần: trọng số 0.6 10 Nội dung chi tiết học phần: 25 PHẦN MỞ ĐẦU Giới thiệu môn học Giới thiệu đề cương môn học Giới thiệu tài liệu tham khảo CHƯƠNG 1: Tổng quan liệu lớn lưu trữ liệu lớn 1.1 Các khái niệm liệu lớn xử lý liệu lớn 1.2 Khái niệm, công nghệ mô hình NoSQL 1.3 Các hệ sở liệu NoSQL cho liệu lớn số ứng dụng CHƯƠNG 2: Các hệ thống lưu trữ xử lý liệu lớn 2.1 Điện toán đám mây 2.2 Các hệ thống lưu trữ phân tán 2.3 Hadoop/MapReduce CHƯƠNG 3: Xử lý liệu lớn MapReduce 3.1 Truy hồi thông tin 3.2 Xử lý đồ thị 3.3 Quản lý liệu 3.4 Khai phá liệu CHƯƠNG 4: Một số mô hình toán học thiết kế thuật toán cho liệu lớn 4.1 Mô hình toán học thiết kế thuật toán cho MapReduce 4.2 Thuật toán cấu trúc liệu giảm I/O cho liệu lớn 4.3 Một số kĩ thuật giảm chiều liệu giữ cấu trúc 11 Tài liệu học tập: (danh mục giáo trình, bỏ trống) 12 Tài liệu tham khảo: Nathan Marz (Twitter) and James Warren 2012 Big Data: Principles and best practices of scalable realtime data systems Manning Publications Co., Greenwich, CT, USA J Lin and C Dyer: Data-Intensive Text Processing with MapReduce, Morgan & Claypool Publishers, 2010 Chuck Lam 2010 Hadoop in Action (1 st ed.) Manning Publications Co., Greenwich, CT, USA Ron Bekkerman 2011 Scaling up Machine Learning Parallel and Distributed Approaches J Han, M Kamber, and J Pei: Data Mining: Concepts and Techniques (3rd Ed), Morgan Kaufmann, 2012 Jothy Rosenberg and Arthur Mateos 2011 The Cloud at Your Service Manning Publications Co., Greenwich, CT, USA IT7391 Các chủ đề nâng cao phân tích liệu lớn Advanced topics for big data analytics Tên học phần: Các chủ đề nâng cao phân tích liệu lớn Mã học phần: Tên tiếng Anh: Advanced topics for big data analytics Khối lượng: 3(2-2-0-6) - Lý thuyết: 30 tiết - Bài tập: 30 tiết (BTL) 26 - Thí nghiệm: Đối tượng tham dự: NCS thuộc chuyên ngành Hệ thống thông tin Mục tiêu học phần: Học phần nhằm mang lại cho NCS: - Các kiến thức nâng cao lý luận chuyên ngành Hệ thống thông tin - Rèn luyện khả tư - Rèn luyện kỹ thí nghiệm chuyên ngành Hệ thống thông tin - Có khả lựa chọn phương pháp kỹ thuật thích hợp phân tích liệu lớn Nội dung tóm tắt: Học phần trình bày phương pháp kỹ thuật phân tích liệu lớn theo hướng nâng cao Các chủ đề liên quan tới phân tích liệu lớn bao gồm: phân loại hồi qui, mô hình đồ thị xác suất, giảm chiều, mô hình thưa liệu lớn Mục tiêu học phần giúp học viên có kiến thức nâng cao với phân tích sâu chủ đề nói Nhiệm vụ NCS: - Dự lớp: đầy đủ, theo quy chế - Bài tập: hoàn thành tập - Thí nghiệm: Đánh giá kết quả: (cách cho điểm giống quy định Cao học) - Mức độ dự giảng: - Kiểm tra định kỳ: trọng số 0.4 - Thi kết thúc học phần: trọng số 0.6 10 Nội dung chi tiết học phần: PHẦN MỞ ĐẦU Giới thiệu môn học Giới thiệu đề cương môn học Giới thiệu tài liệu tham khảo CHƯƠNG 1: Tổng quan liệu lớn phân tích liệu lớn Các khái niệm liệu lớn xử lý liệu lớn Các toán phân tích liệu lớn Các ứng dụng phân tích liệu lớn CHƯƠNG 2: Các chủ đề nâng cao phân tích liệu lớn Phân loại hồi qui liệu lớn Các mô hình đồ thị xác suất Giảm gradient ngẫu nhiên Học online, suy diễn ngẫu nhiên Giảm chiều phi tuyến Mô hình hóa chủ đề Mô hình thưa Học đồ thị/mạng Học biểu diễn 10 Học phân tán không đồng 11 Tài liệu học tập: (danh mục giáo trình, bỏ trống) 12 Tài liệu tham khảo: Izenman Modern Multivariate Statistical techniques, Springer 2008 Trevor Hastie, Robert Tibshirani, Jerome Friedman The Elements of Statistical Learning, Springer 2009 Ethem Alpaydın Introduction to Machine Learning, MIT press 2010 27