Trang chủ Các hoạt động Bài giảng đại chúng trong sự kiện Gặp gỡ mùa xuân

Bài giảng đại chúng trong sự kiện Gặp gỡ mùa xuân

🍀 Sự kiện sẽ có 02 Bài giảng đại chúng và 01 Chuyên mục Tọa đàm về chủ đề Phụ nữ & Mùa xuân.

✨ Các chuyên gia, diễn giả tham gia sự kiện: GS.TS. Nguyễn Thị Thanh Mai, PGS.TSKH. Phan Thị Hà Dương, PGS.TS. Trương Văn Món (Sakaya), Nghệ sĩ Giang Trang, PGS.TS. Phan Thị Ngọc Loan.

📍 Đến với sự kiện, các nhà khoa học, các chuyên gia và các bạn trẻ (cả trực tiếp và trực tuyến) cũng sẽ tham gia vào phần thảo luận, đặt câu hỏi cho từng diễn giả sau mỗi bài giảng và tọa đàm.

🎯 NỘI DUNG CHƯƠNG TRÌNH

✅ Thời gian: 09:0012:30, thứ Năm, ngày 7 tháng 3 năm 2024

✅ Địa điểm: Giảng đường 1, Trường ĐH Khoa học Tự nhiên, ĐH Quốc gia Tp. Hồ Chí Minh, số 227 Nguyễn Văn Cừ, phường 4, quận 5, Tp. Hồ Chí Minh

✅ Chương trình:

💎Bài giảng đại chúng:

– Bài giảng 01: Dược liệu có nguồn gốc thiên nhiên – Cơ hội tại Việt Nam từ góc nhìn của một nhà khoa học nữ của GS.TS. Nguyễn Thị Thanh Mai, Phó hiệu trưởng Trường Đại học Khoa học Tự nhiên, ĐH Quốc gia TP. HCM.

– Bài giảng 02: Giới trong kỷ nguyên số – Nghiên cứu trường hợp Phụ nữ Chăm trong xã hội mẫu hệ hiện nay của PGS.TS. Trương Văn Món (Sakaya), Nhà nghiên cứu văn hóa Chăm, Trường ĐH Khoa học Xã hội & Nhân văn, ĐH Quốc gia TP. HCM.

💎 Chuyên mục Tọa đàm Phụ nữ & Mùa xuân với các khách mời:

– GS.TS. Nguyễn Thị Thanh Mai: Phó hiệu trưởng Trường Đại học Khoa học Tự nhiên, ĐH Quốc gia TP. HCM

– PGS.TSKH. Phan Thị Hà Dương: Viện Toán học – VAST, Giám đốc điều hành Quỹ Đổi mới sáng tạo Vingroup

– PGS.TS. Trương Văn Món (Sakaya): Nhà nghiên cứu văn hóa Chăm, Trường Đại học Khoa học Xã hội & Nhân văn, ĐH Quốc gia TP. HCM

– Nghệ sĩ Giang Trang – PGS.TS. Phan Thị Ngọc Loan, Trường Đại học Sư phạm TP. Hồ Chí Minh.

BÀI MỚI NHẤT

Phát triển phương tiện tự hành dưới nước AUV phục vụ hỗ trợ các tác vụ ngầm và nghiên cứu khoa học biển

Tiềm năng kinh tế biển Việt Nam Việt Nam có hơn 3.260 km bờ biển với hơn 4.000 hòn đảo, bãi đá ngầm lớn nhỏ,...

Mạng nơ-ron tăng vọt trong hệ thống Neuromorphic hiện đại (Phần 3): Phần cứng

Hệ thống phần cứng ở mức caoHệ thống phần cứng ở mức cao được chia thành các triển khai mạch tương tự, mạch số...

Mạng nơ-ron tăng vọt trong hệ thống Neuromorphic hiện đại (Phần 2)

Một trong những câu hỏi quan trọng liên quan đến tính toán neuromorphic là sử dụng mô hình mạng nơ-ron nào? Mô hình mạng nơ-ron xác định những thành phần nào tạo nên mạng, cách các thành phần đó hoạt động và tương tác. Ví dụ, các thành phần phổ biến của mô hình mạng nơ-ron là các nơ-ron và khớp thần kinh (synapse), lấy cảm hứng từ các mạng nơ-ron sinh học. Khi xác định mô hình mạng nơ-ron, người ta cũng phải xác định các mô hình cho từng thành phần (ví dụ: mô hình nơ-ron và mô hình synapse); các mô hình thành phần chi phối cách thành phần đó hoạt động.

Mạng nơ-ron tăng vọt trong hệ thống Neuromorphic hiện đại (Phần 1)

Mạng nơ-ron tăng vọt (Spiking Neural Network – SNN) được giới thiệu bởi các nhà nghiên cứu tại Đại học Heidelberg và Đại học Bern. Mạng nơ-ron tăng vọt bắt chước gần giống mạng nơ-ron tự nhiên, có khả năng xử lý thông tin theo thời gian thực và tiết kiệm năng lượng. SNN sử dụng các xung điện (spikes) để truyền thông tin giữa các nơ-ron. Thay vì truyền tín hiệu liên tục như các mạng nơ-ron truyền thống, SNN truyền các xung điện rời rạc tại các thời điểm cụ thể khi điện thế màng của nơ-ron vượt qua một ngưỡng nhất định. SNN lấy một tập hợp các xung tăng vọt làm ngõ vào và tạo ra một tập hợp các xung tăng vọt làm ngõ ra (một loạt các xung tăng vọt thường được gọi là các chuỗi xung tăng vọt). Tế bào thần kinh kích hoạt khi điện thế màng chạm ngưỡng, gửi tín hiệu đến các tế bào thần kinh lân cận, làm tăng hoặc giảm điện thế của chúng để đáp lại tín hiệu. Các thành phần quan trọng của mạng SNN là mô hình nơ-ron thần kinh, khớp thần kinh (synapse), STDP (spike-timing-dependent plasticity), v.v.

BÀI ĐỌC NHIỀU

Khái quát về mô hình dữ liệu quan hệ

Phần lớn hệ thống cơ sở dữ liệu hiện nay đều được xây dựng bằng mô hình dữ liệu quan hệ. Vậy mô hình...

Supervised Learning và Unsupervised Learning: Khác biệt là gì?

Supervised learning (Học có giám sát) và Unsupervised learning (Học không giám sát) là hai trong số những phương pháp kỹ thuật cơ bản...

Transformer Neural Network – Mô hình học máy biến đổi thế giới NLP

Năm 2017, Google công bố bài báo “Attention Is All You Need” thông tin về Transformer như tạo ra bước ngoặt mới trong lĩnh...

Khái quát về Data Pipeline

Dữ liệu là chìa khóa trong việc khám phá tri thức sâu rộng, nâng cao hiệu quả quy trình và thúc đẩy đưa ra...