Trang chủ Góc Video Video VinIF Lễ ra mắt Câu lạc bộ VINIF Alumni

Lễ ra mắt Câu lạc bộ VINIF Alumni

Ngày 24/06/2022, Quỹ Đổi mới sáng tạo Vingroup (VINIF) chính thức ra mắt Câu lạc bộ VINIF Alumni, nơi kết nối các bạn trẻ đã nhận học bổng từ VINIF và xây dựng một cộng đồng các nhà khoa học trẻ tương lai.

Chương trình bao gồm lễ ra mắt VINIF Alumni và Tọa đàm “Xây dựng một cộng đồng trẻ có tinh thần cống hiến, sáng tạo và hội nhập”.

Lễ ra mắt đã được lãnh đạo các Bộ, các Đại học quan tâm tham dự và góp ý kiến xây dựng một CLB của các nhà khoa học trẻ tương lai có tinh thần cống hiến, sáng tạo và hội nhập.

Sự kiện có sự góp mặt của:

– Thứ trưởng Bùi Thế Duy – Bộ Khoa học và Công nghệ.

– GS. Vũ Hà Văn – Giám đốc khoa học Quỹ Đổi mới sáng tạo Vingroup, Viện Nghiên cứu Dữ liệu lớn.

– PGS.TS Huỳnh Quyết Thắng – Hiệu trưởng Trường Đại học Bách Khoa Hà Nội.

– PGS.TSKH Vũ Hoàng Linh – Hiệu trưởng Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội.

– PGS. TSKH Phan Thị Hà Dương – Giám đốc điều hành Quỹ Đổi mới sáng tạo Vingroup.

– TS. Trương Cao Dũng – Học viện Công nghệ Bưu chính Viễn thông, Chủ nhiệm một Dự án tiêu biểu của VinIF.

👉 Với khẩu hiệu “Cống hiến – Sáng tạo – Hội nhập”, VINIF Alumni hướng đến tạo dựng một môi trường giúp các bạn trau dồi thêm các kiến thức, không chỉ được tìm hiểu về đề tài đang nghiên cứu, mà còn về tổng quan ngành, mối liên hệ giữa các lĩnh vực với nhau, rộng hơn nữa là các kiến thức kinh tế, chính trị, xã hội, những vấn đề cấp bách hiện nay, từ đó rút ngắn khoảng cách giữa nghiên cứu và thực tiễn.

👉 Hơn nữa, VINIF Alumni sẽ tập trung đẩy mạnh chia sẻ, hợp tác giao lưu, hỗ trợ cùng phát triển và lan tỏa niềm đam mê khoa học tới cộng đồng và thế giới.

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...