Summer School 2016

CHƯƠNG TRÌNH

Các vấn đề nền tảng

[ ] Data Mining Landscape Tóm tắt:
Bài giảng cung cấp một bức tranh tổng quan về lĩnh vực khoa học dữ liệu và khai phá dữ liệu, về những vấn đề cơ bản, những thử thách lớ n và xu hướ ng mớ i trong lĩnh vực khai phá dữ liệu những năm gần đây. - GS.TSKH. Hồ Tú Bảo Tóm tắt tiểu sử:
Giáo sư Hồ Tú Bảo tốt nghiệp ngành toán ứng dụng tại ĐH Bách Khoa Hà Nội năm 1978 và nhận bằng thạc sỹ, tiến sỹ về khoa học máy tính tại Đại học Pierre & Marie Curie, Paris năm 1984 và 1987, nhận bằng tiến sỹ khoa học tại ĐH Paris Dauphine năm 1998. Trong thời gian nghiên cứu sinh, Giáo sư Hồ Tú Bảo làm việc tại INRIA (the French National Institute for Research in Computer Science and Control, France) 5 năm (1983-1987). Năm 1992, Giáo sư trao đổi làm việc tại ĐH Wisconsin-Madison, Hoa Kỳ. Từ năm 1979, Giáo sư làm việc tại Viện Hàn lâm Khoa học và Công nghệ Việt Nam, trở thành Phó Giáo sư năm 1991. Từ năm 1993, Giáo sư làm việc tại Viện Khoa học và Công nghệ Tiên tiến Nhật Bản (JAIST) và trở thành Giáo sư của Viện từ năm 1998 đến nay. Giáo sư Hồ Tú Bảo đã chủ trì thành công rất nhiều dự án nghiên cứu lớn và đã công bố rất nhiều công trình nghiên cứu quan trọng ở các hội nghị và tạp chí chuyên ngành uy tín trong các lĩnh vực học máy, khai phá dữ liệu, và tính toán khoa học. (Viện KH&CN Tiên Tiến Nhật Bản)

[ ] Classification and Regression Tóm tắt:
Phân lớp và hồi quy là hai bài toán học có giám sát thường gặp nhất trong ứng dụng dưới các hình thức đa dạng. Bài giảng giới thiệu các thuật toán thông dụng và các tiếp cận thời sự cho các bài toán này, bao gồm:
• Phân lớp nhờ các hàm quyết định tuyến tính: Phương pháp cực tiểu khoảng cách, máy vectơ tựa (SVM)
• Phân lớp Bayes
• Cây quyết định: Các thuật toán ID3, C54, CART (cây phân lớp và hồi quy), rừng ngẫu nhiên
• Phương pháp tìm hàm hồi quy bằng cách xác định tham số nhờ cực tiểu sai số. Ứng dụng của tiếp cận này trong huấn luyện mạng nơron và phương pháp học sâu
Bên cạnh giới thiệu thuật toán, còn có các nhận xét về đặc điểm ứng dụng và gợi ý tham khảo. - PGS.TS. Hoàng Xuân Huấn Tóm tắt tiểu sử:
PGS.TS. Hoàng Xuân Huấn tốt nghiệp khoa Toán-Cơ thuộc Đại học Tổng hợp Hà Nội năm 1979 và giảng dạy tại khoa này từ năm 1980 đến năm 1995, bảo vệ TS tại đó năm 1994. Từ năm 1995 đến nay giảng dạy tại khoa CNTT, Đại học Công nghệ, hiện nay là giảng viên cao cấp của khoa. Các hướng nghiên cứu chính hiện nay: Học máy và Tin-Sinh. (Trường Đại học Công nghệ, ĐHQG Hà Nội)

[ ] Cluster Analysis Tóm tắt:
Trong nhiều trường hợp ta có một tập dữ liệu lớn chưa có nhãn (đánh dấu xem một phần tử dữ liệu là thuộc lớp nào), lý do là việc gán nhãn cho các phần tử dữ liệu là rất tốn kém. Ví dụ trong cơ sở dữ liệu của ngân hàng chứa một số lượng lớn các giao dịch của khách hàng, việc gán nhãn cho các khách hàng nào thuộc khách hàng tiềm năng có thể mang lại lợi nhuận cho ngân hàng là điều rất khó thực hiện. Một trong những giải pháp để xử lý vấn đề này là tự động nhóm các phần tử dữ liệu có độ tương tự nhau (giống nhau) vào cùng một cụm được gọi là phân cụm dữ liệu (clustering). Các phần tử trong cùng một cụm sẽ có độ tương tự lớn, và độ tương tự giữa các phần tử trong cùng một cụm sẽ lớn hơn độ tương tự giữa nó với một phần tử dữ liệu trong cụm khác. Phân cụm dữ liệu được ứng dụng để giải quyết một khâu hay toàn bộ bài toán khai phá dữ liệu. Bài giảng sẽ giới thiệu về bài toán phân cụm dữ liệu, một số ứng dụng của phân cụm và một số giải thuật phân cụm điển hình. - PGS.TS. Nguyễn Trí Thành Tóm tắt tiểu sử:
PGS.TS. Nguyễn Trí Thành tốt nghiệp ngành CNTT tại Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà nội; tốt nghiệp Thạc sỹ ngành Khoa học máy tính tại Viện Công nghệ Châu Á (AIT), Thái lan; nhận bằng tiến sỹ Ngành Khoa học thông tin tại Viện khoa học và công nghệ tiên tiến Nhật bản (JAIST) năm 2008; và được phong học hàm Phó giáo sư năm 2015. Chủ đề nghiên cứu chính của Nguyễn Trí Thành là Khai phá dữ liệu. (Trường Đại học Công nghệ, ĐHQG Hà Nội)

[ ] Pattern and Association Mining Tóm tắt:
Khai thác luật kết hợp là một trong những bài toán nền tảng và quan trọng trong khai thác dữ liệu. Bài toán thường được chia làm hai giai đoạn bao gồm: i) Khai thác mẫu phổ biến; và ii) Sinh luật từ các mẫu phổ biến. Thông qua bài học này, người nghe sẽ nắm bắt được các thuật toán nền tảng trong khai thác mẫu phổ biến như thuật toán Apriori, FP-Growth, Eclat, CHARM, v.v.. Từ các thuật toán nền tảng, chúng tôi sẽ cung cấp cho người nghe các chủ đề nâng cao trong bài toán khai thác luật kết hợp như: Khai thác mẫu hữu ích cao, khai thác mẫu được đánh trọng phổ biến, khai thác luật phân lớp kết hợp, khai thác mẫu/luật dựa trên các ràng buộc, v.v... - PGS.TS. Võ Đình Bảy Tóm tắt tiểu sử:
PGS.TS. Võ Đình Bảy tốt nghiệp đại học, thạc sỹ và tiến sỹ tại trường đại học Khoa học Tự nhiên TP.HCM. Hiện là Phó Giáo sư và Trưởng khoa Công nghệ Thông tin, Trường Đại học Công nghệ TP.HCM (HUTECH). Các chủ đề nghiên cứu chính bao gồm: khai thác mẫu và ứng dụng, khai thác luật kết hợp. (Trường Đại học Công nghệ TP. Hồ Chí Minh)

Các chủ đề nâng cao

[ ] Discovering Hidden Semantic Structures in Texts Tóm tắt:
Một lượng rất lớn tri thức của con người đã và đang được lưu trữ và trao đổi dưới dạng văn bản (texts). Chúng ta hàng ngày vẫn tạo ra một lượng dữ liệu văn bản rất lớn thông qua các mạng xã hội, dịch vụ sms, logs,... Ở đó hàm chứa rất nhiều tri thức quý giá để chúng ta có thể tạo ra các dịch vụ thông minh. Tuy nhiên, việc giúp máy tính có khả năng làm việc tự động với khối lượng lớn văn bản vẫn còn nhiều thách thức. Bài giảng này sẽ bàn luận đến một trong số những con đường hiệu quả nhất để ta hiểu được ngữ nghĩa ẩn trong văn bản, đó là Mô hình hoá chủ đề (topic modeling). Thêm vào đó là một vài bình luận đến semantic embedding, một hướng rất sôi nổi hiện nay. - TS. Thân Quang Khoát Tóm tắt tiểu sử:
Tiến sỹ Thân Quang Khoát hoàn thành chương trình nghiên cứu sinh tiến sỹ tại Viện Khoa học và Công nghệ Tiên tiến Nhật Bản (JAIST) năm 2013. Hiện tại Tiến sỹ Thân Quang Khoát đang công tác tại Viện Công nghệ Thông tin và Truyền thông, Đại học Bách Khoa Hà Nội. Hướng nghiên cứu chính của Tiến sỹ Thân Quang Khoát là học máy và khai phá dữ liệu. Những nghiên cứu gần đây bao gồm mô hình hoá chủ đề cho dữ liệu lớn, suy diễn nhanh, học biểu diễn, phân tích quan điểm, và các hệ thống tư vấn/gợi ý. (Đại học Bách Khoa Hà Nội)

[ ] Process Mining Tóm tắt:
• Trong các nền kinh tế phát triển nhất, các công ty (tổ chức) phải tạo ra các sản phẩm mới và khách biệt nhờ các quy trình sản xuất tinh vi nhất và bằng sáng tạo những cái mới. Các công ty (tổ chức) nhằm vào các quy trình được xác định trên giấy là khác biệt với quy trình thực sự trong thực tiễn, khai phá quy trình giúp các công ty và tổ chức chỉ rõ hành vi của con người, máy móc và tổ chức khác biệt với mô hình ở đâu, và tắc nghẽn xảy ra ở đâu. Chính phủ ta ban hành hai nghị quyết 19/NQ-CP (ngày 18/3/2014 và ngày 12/3/2015) tập trung vào các nhiệm vụ và biện pháp cải thiện môi trường kinh doanh và năng lực cạnh tranh quốc gia mà khai phá quy trình là có ý nghĩa.
• Tư tưởng của khai phá quy trình là phát hiện, giám sát và cải tiện các quy trình thực (mà không là các quy trình giả định) thông qua việc trích xuất tri thức từ các nhật ký sự kiện sẵn có trong các hệ thống hiện thời. Khai phá quy trình thu hẹp khoảng cách giữa các mô hình quy trình dựa trên phân tích truyền thống và kỹ thuật phân tích hướng dữ liệu như học máy và khai phá dữ liệu. Khai phá quy trình là một chuyên ngành mới nổ cung cấp một bộ đầy đủ công cụ nhằm cung cấp cách nhìn sâu sắc và hỗ trợ cải tiến quy trình.
• Có ba dạng khai phá quy trình là phát hiện, kiểm tra phù hợp và tăng cường. Phát hiện quy trình nhận một nhật ký sự kiện và sinh ra một mô hình quy trình mà không sử dụng bất kỹ thông tin tiên nghiệm. Trong kiểm tra phù hợp, một mô hình quy trình hiện thời được so sánh với một nhật ký sự kiện của cùng quy trình đó. Tăng cường quy trình nhằm mở rộng hoặc cải tiến mô hình quy trình nhờ sử dụng thông tin về quy trình thực sự được ghi lại trong nhật ký sự kiện nào đó. Tồn tại các thuật toán phát hiện quy trình như họ thuật toán α, α+, α++ và các thuật toán khác. Nhật ký sự kiện đầu vào nên được tinh chế thành các nhật ký sự kiện đơn giản hơn. Tồn tại một số kỹ thuật kiểm tra phù hợp như chạy token, đối sánh dấu chân v.v. với bốn độ đo đánh giá phổ biến là phù hợp, chính xác, tổng quát và đơn giản. - PGS.TS. Hà Quang Thụy Tóm tắt tiểu sử:
PGS.TS. Hà Quang Thụy hiện công tác tại Bộ môn Các Hệ thống Thông tin và Phòng Thí nghiệm Khoa học dữ liệu và Công nghệ Tri thức (DSKTLab), Khoa CNTT, Trường ĐH Công nghệ, ĐHQG Hà Nội. PGS.TS. Hà Quang Thụy nhận bằng tiến sỹ tại Trường ĐH Khoa học Tự nhiên, ĐHQG Hà Nội năm 1997, là Phó Chủ nhiệm Khoa CNTT, Trường ĐH Khoa học Tự nhiên từ năm 1995 đến 1999, là Hiệu phó Trường ĐH Công nghệ, ĐHQG Hà Nội từ năm 2004 đến năm 2010. PGS.TS. Hà Quang Thụy là người thành lập DSKTLab và lãnh đạo DSKTLab đến năm 2015. Chủ đề nghiên cứu chính của PGS.TS. Hà Quang Thụy là tập thô, khai phá dữ liệu (dữ liệu văn bản, web, và các phương tiện xã hội trực tuyến), các hệ thống thông tin cũng như khoa học và kỹ nghệ quản trị. (Trường Đại học Công nghệ, ĐHQG Hà Nội)

[ ] Deep Learning for Texts Tóm tắt:
Những năm gần đây chứng kiến sự trở lại mạnh mẽ của mạng nơ-ron nhân tạo trong các mô hình học tự động với tên gọi học sâu. Học sâu đã và đang được ứng dụng trong nhiều bài toán khác nhau để thu được những kết quả tốt nhất trong nhiều lĩnh vực của khoa học máy tính. Bài giảng này tập trung giới thiệu mô hình học sâu và ứng dụng trong một số bài toán xử lí ngôn ngữ tự nhiên và khai phá dữ liệu văn bản. Một số chủ đề cơ bản và nâng cao được đề cập trong bài giảng gồm: mạng nơ- ron tiến (FFANN), mạng nơ-ron truy hồi (RNN), mạng nơ-ron nhân cuộn (CNN); các thuật toán ước lượng tham số và hiệu chỉnh mô hình; một số ứng dụng và kết quả mới nhất của học sâu trong phân tích ngôn ngữ tự nhiên, phân loại văn bản và phân tích quan điểm. - TS. Lê Hồng Phương Tóm tắt tiểu sử:
Tiến sỹ Lê Hồng Phương hiện là giảng viên tại Khoa Toán-Cơ-Tin học, Trường Đại học Khoa học Tự nhiên Hà Nội, nhận bằng cử nhân ngành toán tin ứng dụng tại Trường Đại học Khoa học Tự nhiên, ĐHQG Hà Nội năm 2002, bằng thạc sĩ tin học tại Viện Tin học Pháp ngữ năm 2005 và bằng tiến sĩ tin học tại Đại học Lorraine, Cộng hòa Pháp năm 2010. Anh còn là cộng tác viên nghiên cứu tại Viện Nghiên cứu Công nghệ và Ban Công nghệ của Công ty Cổ phần FPT, chuyên về xử lí ngôn ngữ và khai phá dữ liệu văn bản. Lĩnh vực nghiên cứu chính của anh là các phương pháp xác suất thống kê trong xử lí ngôn ngữ tự nhiên và ứng dụng. Anh là tác giả của một số công cụ phần mềm xử lí tiếng Việt mã nguồn mở được sử dụng rộng rãi trong cộng đồng. (Trường Đại học Khoa học Tự nhiên, ĐHQG Hà Nội), PGS.TS. Nguyễn Lê Minh Tóm tắt tiểu sử:
(Viện KH&CN tiên tiến Nhật Bản)

[ ] Social Network Analysis and Mining Tóm tắt:
Nhà xã hội học John Arundel Barnes được coi là một trong những người đầu tiên đưa thuật ngữ "mạng xã hội" (social network) vào ngữ cảnh nghiên cứu khoa học năm 1954. Theo David Easley và Jon Kleinberg (2010) mạng xã hội là một cấu trúc xã hội bao gồm một tập các cá nhân/ tổ chức và một tập các quan hệ xã hội giữa các cá nhân/tổ chức trong mạng. Mạng xã hội thường được biểu diễn dưới dạng một đồ thị trong đó các cá nhân/tổ chức được biểu diễn bằng các nút còn các quan hệ xã hội trong mạng được biểu diễn bằng các cạnh kết nối các nút trong mạng đó. Mạng xã hội trực tuyến (online social networks) là mạng xã hội được thi hành bằng các dịch vụ mạng xã hội trực tuyến. Có thể nói khai phá dữ liệu mạng xá hội đã hội tụ nhiều nội dung nghiên cứu thời sự nhất về mạng xã hội, về khai phá dữ liệu, về tiếp thị và kinh doanh, về hành vi con người. Bài giảng này sẽ gồm 4 phần: (1) Giới thiệu về khai phá dữ liệu mạng xã hội; (2) Khai phá dữ liệu nội dung trên mạng xã hội; (3) Khai phá dữ liệu cấu trúc mạng xã hội; (4) Một số kết quả khai phá dữ liệu mạng xã hội. - ThS. Trần Mai Vũ Tóm tắt tiểu sử:
Anh Trần Mai Vũ tốt nghiệp thạc sĩ tại Trường ĐH Công nghệ, ĐHQG HN năm 2010. Hiện anh làm việc tại phòng thí nghiệm Công nghệ tri thức (KTLab), Khoa CNTT, Trường ĐHCN. Anh Trần Mai Vũ đã được Trường ĐHCN cho phép bảo vệ luận án tiến sỹ trong năm nay. Chủ đề nghiên cứu chính của anh là khai phá dữ liệu (văn bản y sinh học, mạng xã hội, viễn thông và tài chính), xử lý ngôn ngữ tự nhiên và học máy. , PGS.TS. Hà Quang Thụy Tóm tắt tiểu sử:
PGS.TS. Hà Quang Thụy hiện công tác tại Bộ môn CHTTT và Phòng Thí nghiệm Khoa học Dữ liệu và Công nghệ Tri thức (DS&KTLab), Khoa CNTT, Trường ĐH Công nghệ, ĐHQG Hà Nội. PGS.TS. Hà Quang Thụy nhận bằng tiến sỹ tại Trường ĐH Khoa học Tự nhiên, ĐHQG HN năm 1997, là Phó Chủ nhiệm Khoa CNTT, Trường ĐHKHTN từ năm 1995 đến 1999, là Hiệu phó Trường ĐHCN, ĐHQG HN từ năm 2004 đến 2010. PGS.TS. Hà Quang Thụy là người thành lập và lãnh đạo DS&KTLab đến năm 2015. Chủ để nghiên cứu chính của PGS.TS. Hà Quang Thụy liên quan đến tập thô, khai phá dữ liệu (văn bản, web, các phương tiện xã hội trực tuyến), các hệ thống thông tin, và khoa học và kỹ nghệ quản trị. (Trường Đại học Công nghệ, ĐHQG Hà Nội)

[ ] Probabilistic Graphical Models Tóm tắt:
Các hiện tượng phức tạp trong thế giới thực luôn có hai yếu tố nổi bật: tính không chắc chắn và tính cấu trúc (các hiện tượng ảnh hưởng lẫn nhau). Các ứng dụng trong tin sinh học, truy vấn, xử lý tiếng nói, hình ảnh, ngôn ngữ, thông tin thường làm việc với hàng nghìn, thậm chí hàng triệu biến (hiện tượng) có quan hệ phức tạp với nhau. Mô hình xác suất đồ thị cung cấp khung làm việc đẹp, gọn và trong sáng cho phép mô hình hoá tính không chắc chắn bằng xác suất và tính cấu trúc bằng các ràng buộc độc lập. Nó còn cung cấp một cách tiếp cận tổng quát tới nhiều bài toán trong các ứng dụng nêu trên. Khung làm việc này tổng quát đến mức các mô hình thống kê nổi tiếng thường gặp như bộ lọc Kalman, mô hình Markov ẩn, mô hình Ising đều là các trường hợp riêng. Trong khoảng hai thập kỉ qua, mô hình xác suất đồ thị nhận được sự quan tâm rất lớn từ cộng đồng nghiên cứu và cộng đồng ứng dụng công nghiệp bởi tính mềm dẻo trong khả năng biểu diễn của nó cùng với khả năng học và suy diễn ngày càng mạnh trên các đồ thị lớn. Bài giảng này sau khi truyền đạt tinh thần và các kiến thức cơ bản sẽ điểm qua một số ứng dụng nổi bật của mô hình quan trọng này trong tin sinh học, mã tự sửa lỗi và xử lý ngôn ngữ. - TS. Trần Quốc Long Tóm tắt tiểu sử:
Tiến sỹ Trần Quốc Long tốt nghiệp đại học ngành công nghệ thông tin tại Khoa Công nghệ, Đại học Quốc gia Hà Nội, tốt nghiệp Thạc sĩ ngành Kỹ thuật máy tính tại Đại học Quốc gia Singapore, tốt nghiệp Tiến sĩ ngành Khoa học máy tính tại Viện Công nghệ Georgia, Hoa Kì. Chủ đề nghiên cứu chính của Tiến sỹ Trần Quốc Long là học máy thống kê và ứng dụng. (Trường Đại học Công nghệ, ĐHQG Hà Nội)

[ ] Recommender Systems Tóm tắt:
Các hệ thống tư vấn/gợi ý ngày nay được ứng dụng rất rộng rãi, từ các dịch vụ thương mại điện tử như Amazon, eBay đến truyền hình theo yêu cầu. Trong bài giảng này, chúng tôi giới thiệu các khái niệm cơ bản của hệ tư vấn/gợi ý và một số kỹ thuật phát triển các hệ thống gợi ý phổ biến như lọc cộng tác (collaborative filtering), matrix factorization, hay hồi quy (regression). - TS. Đặng Hoàng Vũ Tóm tắt tiểu sử:
TS. Đặng Hoàng Vũ tốt nghiệp tiến sỹ tại Đại học Cambridge, Vương Quốc Anh và tham gia nghiên cứu về thị giác máy (computer vision) cho hãng Hewllet-Packard (HP) thời gian sau đó. Hiện tại, TS. Đặng Hoàng Vũ là chuyên gia về khoa học dữ liệu tại Ban Công nghệ, Tập đoàn FPT. Các hướng nghiên cứu chính của TS. Đặng Hoàng Vũ bao gồm khai phá dữ liệu, học máy, các hệ thống tư vấn, gợi ý cho tin tức trực tuyến và thương mại điện tử. (Tập đoàn FPT)

[ ] Data Analysis by Using Leading Indicators Tóm tắt:
• Các chỉ số kinh tế-xã hội là chuỗi thời gian nói chung được đo theo các khoảng thời gian như ngày, tuần, tháng, quí, năm… Thực tế cho thấy tồn tại nhiều chỉ số kinh tế - xã hội mà sự biến động của nó có quan hệ ổn định với những biến động của các chỉ số khác. Mối quan hệ đó có thể được biểu diễn thông quan các mô hình dự báo. Do vậy các thông tin về một số chỉ số (gọi là chỉ số tác động) có thể được sử dụng để hỗ trợ giám sát và dự báo về biến động của một số chỉ số khác, khi đó các chỉ số tác động được gọi là các chỉ số dẫn báo.
• Có 3 loại chỉ số dẫn báo: chỉ số báo trước, báo đồng thời và báo sau. Trong phân tích dữ liệu và xây dựng mô hình dự báo người ta đặc biệt quan tâm đến đến 2 loại chỉ số dẫn báo đầu tiên. Chỉ số báo trước thường được sử dụng trong xây dựng các hệ thống cảnh báo sớm và trong xây dựng mô hình dự báo ngắn hạn trong khí đó sử dụng chỉ số báo đồng thời trong mô hình hiệu chỉnh sai số được xem là trung tâm của phân tích kinh tế định lượng.
• Bài giảng này sẽ giới thiệu chỉ số báo trước, báo đồng thời. Mô hình dự báo được xây dựng dựa trên chỉ số báo trước báo đồng thời và phương pháp phân tích thông tin được rút ra từ những mô hình dự báo này. Bài giảng sẽ chú trọng minh họa việc ứng dụng các chỉ số dẫn báo trong phân tích dữ liệu thông qua việc xây dựng mô hình dự báo cụ thể. - PGS.TS. Đỗ Văn Thành Tóm tắt tiểu sử:
PGS.TS. Đỗ Văn Thành: nghiên cứu viên cao cấp Trung tâm Thông tin và Dự báo KT-XH quốc gia, nguyên giảng viên kiêm nhiệm của Đại học Công nghệ, Đại học quốc gia Hà nôi. Hiện là giảng viên cơ hữu của Đại học Nguyễn Tất Thành và cộng tác viên Bộ môn Hệ thống thông tin, Đại học CN, ĐHQG Hà Nội. Ts. Thành có nhiều kinh nghiệm và đạt nhiều thành tích trong nghiên cứu lý thuyết cũng như ứng dụng (nhất là ứng dụng) trong các lĩnh vực: lập luận xấp xỉ và suy luận tự động, phân tích và khai phá dữ liệu, hệ thống thông tin hỗ trợ ra quyết định, xây dựng mô hình phân tích và dự báo kinh tế - xã hội, và công tác kế hoạch hóa nền kinh tế quốc dân. (Trung tâm Thông tin và Dự báo Kinh tế - Xã hội Quốc gia và ĐH Nguyễn Tất Thành)

Các ứng dụng trong công nghiệp

[ ] Data-Driven Advertising Tóm tắt:
Ngày nay các công nghệ kết nối, di động, dữ liệu lớn, và điện toán đám mây đang thực sự hội tụ. Dữ liệu và phân tích dữ liệu đang là bệ phóng cho các hệ thống quảng cáo trực tuyến. Tuy vậy, dạng dữ liệu nào chúng ta thực sự cần? Chúng ta có thể thu thập dữ liệu từ đâu? Và chúng ta có thể “chế biến” dữ liệu như thế nào để dự đoán, dự báo, tối ưu hoá và ra quyết định khôn ngoan trong quảng cáo? Bài trình bày này tập trung vào phương thức sử dụng, phân tích dữ liệu hiệu quả để đạt được những mục tiêu và thành công trong quảng cáo trực tuyến. - TS. Đinh Lê Đạt Tóm tắt tiểu sử:
TS. Đinh Lê Đạt tốt nghiệp tiến sỹ tại Đại học Tổng hợp Lomonosov, Matxcova. Anh là đồng sáng lập và là Tổng Giám đốc Công ty Giải pháp quảng cáo trực tuyến Ants.vn. Trước đó, anh là Giám đốc Công nghệ (CTO) của Công ty FPT Online. Anh cũng đã từng cộng tác tại công ty Boeing-Luxoft Russia và Ban Công nghệ Tập đoàn FPT. Anh có hơn 10 năm kinh nghiệm tư vấn Chiến lược Số về các sản phẩm và dịch vụ Internet như mạng xã hội (Banbe.net, Nhacso.net), các báo điện tử (VnExpress.net, Ngoisao.net), trò chơi trực tuyến (Gate.vn), thương mại điện tử (Sendo.vn) và quảng cáo trực tuyến (Ants.vn, eClick.vn). Anh có hơn 7 năm kinh nghiệm trong lĩnh vực kiến trúc sư hệ thống dịch vụ Web/Mobile với lượng truy cập lớn và công nghệ big data về nội dung số và quảng cáo trực tuyến. (Đồng sáng lập, CEO Ants.vn)

[ ] Online Travelling System: Technical Challenges Tóm tắt:
Sự bùng nổ của cả lượng thông tin lẫn lượng người tham gia mạng xã hội ở Việt Nam trong các năm gần đây khiến các thông tin trên mạng xã hội trở nên có giá trị. Theo các thống kê không chính thức, hiện ở Việt Nam có hơn 30 triệu người sử dụng Facebook, tham gia vào hằng triệu cuộc thảo luận trên mạng xã hội này mỗi ngày. Thông tin từ các cuộc thảo luận công cộng trên mạng xã hội có thể hỗ trợ nhiều lớp bài toán phục vụ quản trị hành chính, hỗ trợ phân tích, điều hướng kinh doanh của doanh nghiệp như Quản trị thương hiệu, Xử lý khủng hoảng, Quan hệ khách hàng, Quản trị nhân lực, Tiếp thị, Bán lẻ, Truyền thông nội bộ, Quan hệ công chúng... Tuy nhiên, để giám sát và khai thác hiệu quả thông tin từ mạng xã hội, cần phải vượt qua được các thách thức kĩ thuật không nhỏ ở các khâu quét dữ liệu, lưu trữ, xử lý dữ liệu và thống kê, trích xuất thông tin. Bài nói chuyện này tập trung vào các hướng giải pháp sử dụng dữ liệu từ mạng xã hội Facebook cho một số bài toán Business Intelligence ở các doanh nghiệp theo hướng tiếp cận của InfoRe Technologies. - ThS. Trần Bình Giang Tóm tắt tiểu sử:
Ông Lê Công Thành tốt nghiệp thạc sĩ tại ĐH Paris 11 và tham gia nhóm nghiên cứu về Learning to Rank tại Công ty Orange, Pháp. Năm 2011, ông cùng các cộng sự thành lập công ty InfoRe Technology, hoạt động trong lĩnh vực học máy ứng dụng. Hiện tại, InfoRe Technology xử lý trên 40 triệu nội dung với trung bình 1.1 tỉ câu văn tiếng Việt mỗi ngày từ các nguồn mạng xã hội, diễn đàn, báo chí và blog, giúp lọc ra xu hướng quan tâm của từng cá nhân cũng như các nhóm cộng đồng, phục vụ tối ưu nhiều bài toán kinh doanh trong các doanh nghiệp. (Đồng sáng lập, CTO Tripi.vn)

[ ] Online Social Media Monitoring Tóm tắt:
Sự bùng nổ của cả lượng thông tin lẫn lượng người tham gia mạng xã hội ở Việt Nam trong các năm gần đây khiến các thông tin trên mạng xã hội trở nên có giá trị. Theo các thống kê không chính thức, hiện ở Việt Nam có hơn 30 triệu người sử dụng Facebook, tham gia vào hằng triệu cuộc thảo luận trên mạng xã hội này mỗi ngày. Thông tin từ các cuộc thảo luận công cộng trên mạng xã hội có thể hỗ trợ nhiều lớp bài toán phục vụ quản trị hành chính, hỗ trợ phân tích, điều hướng kinh doanh của doanh nghiệp như Quản trị thương hiệu, Xử lý khủng hoảng, Quan hệ khách hàng, Quản trị nhân lực, Tiếp thị, Bán lẻ, Truyền thông nội bộ, Quan hệ công chúng... Tuy nhiên, để giám sát và khai thác hiệu quả thông tin từ mạng xã hội, cần phải vượt qua được các thách thức kĩ thuật không nhỏ ở các khâu quét dữ liệu, lưu trữ, xử lý dữ liệu và thống kê, trích xuất thông tin. Bài nói chuyện này tập trung vào các hướng giải pháp sử dụng dữ liệu từ mạng xã hội Facebook cho một số bài toán Business Intelligence ở các doanh nghiệp theo hướng tiếp cận của InfoRe Technologies. - ThS. Lê Công Thành Tóm tắt tiểu sử:
Ông Lê Công Thành tốt nghiệp thạc sĩ tại ĐH Paris 11 và tham gia nhóm nghiên cứu về Learning to Rank tại Công ty Orange, Pháp. Năm 2011, ông cùng các cộng sự thành lập công ty InfoRe Technology, hoạt động trong lĩnh vực học máy ứng dụng. Hiện tại, InfoRe Technology xử lý trên 40 triệu nội dung với trung bình 1.1 tỉ câu văn tiếng Việt mỗi ngày từ các nguồn mạng xã hội, diễn đàn, báo chí và blog, giúp lọc ra xu hướng quan tâm của từng cá nhân cũng như các nhóm cộng đồng, phục vụ tối ưu nhiều bài toán kinh doanh trong các doanh nghiệp. (Đồng sáng lập, CEO InfoRe Technology)

[ ] Big Data Challenges and Opportunities for Data Scientists at VCCorp Tóm tắt:
Những đổi mới trong công nghệ và khả năng chi trả cao hơn các thiết bị kỹ thuật số ngày nay đã tạo nên kỉ nguyên của Big Data, một thuật ngữ chung cho sự bùng nổ về số lượng và sự đa dạng của các dữ liệu kỹ thuật số. Đón đầu xu thế đó, xử lý dữ liệu lớn (Big Data processing) đã bắt đầu được sử dụng tại VCCORP từ 10 năm trước, bằng sự thành công của dự án tìm kiếm nội dung số (Baamboo - search engine). Qua quá trình xây dựng và phát triển, hệ thống xử lý dữ liệu lớn đã được tối ưu, cải thiện và có khả năng mở rộng cao, đáp ứng được với những bài toán phong phú, có tính thiết thực cao như các bài toán về thống kê, phân tích hành vi người dùng trên Internet, tối ưu hóa quảng cáo, hệ thống gợi ý sản phẩm, tin tức hệ thống xử lý ngôn ngữ tự nhiên, phân tích biểu cảm (sentiment analysis), phân tích và tối ưu tin tức. Trong bài giới thiệu này, chúng tôi sẽ khái quát các thách thức, cơ hội của Data Scientist ở VCCORP trong những bài toán mở hiện tại cũng như những thách thức mới trong thời đại số, IoT. - Mr. Hoàng Anh Tuấn Tóm tắt tiểu sử:
Anh Hoàng Anh Tuấn nhận bằng đại học và cao học tại Đại học Bách khoa Hà Nội vào các năm 2007 và 2010. Anh là người có nhiều kinh nghiệm lãnh đạo và thực thi các dự án lớn tại VCCORP như Baamboo Search Engine, xây dựng mạng quảng cáo Admicro, xây dựng các hệ thống xử lý dữ liệu lớn đáp ứng các bài toán tại VCCORP. Hiện anh là Giám đốc Công nghệ (CTO) của Admicro tại VCCORP. (CTO Admicro, VCCorp)

[ ] Data Science for Business Tóm tắt:
Hiện nay, khoa học dữ liệu đang dần trở thành ngành nghề hấp dẫn với những công nghệ tạo ra những giá trị vượt trội. Netflix và Amazon tăng 15%-25% lưu lượng/đơn hàng trên website của mình nhờ công nghệ gợi ý sản phẩm. Google và Facebook luôn tìm cách tăng cường AI vào sản phẩm để đạt hiệu quả quảng cáo cao hơn. Đà phát triển công nghiệp của khoa học dữ liệu là quá nhanh, gây khó khăn trong quá trình giảng dạy khi muốn sinh viên liên hệ kiến thức data science vào thực tế. Bài giảng này có mục đích cập nhật và giới thiệu một số công nghệ của data science đang được áp dụng tại Việt Nam. - Mr. Hà Thanh Tùng Tóm tắt tiểu sử:
Ông Hà Thanh Tùng là tốt nghiệp từ Trường Đại học Công nghệ (UET) - Đại học Quốc gia Hà Nội. Năm 2010, ông tham gia xây dựng search engine Cốc Cốc ở vị trí Data Engineer, chịu trách nhiệm các vấn đề xử lý ngôn ngữ tự nhiên và xếp hạng website cho Cốc Cốc search. Năm 2015, ông cùng với ông Nguyễn Hà Anh Tuấn và ông Nguyễn Tuấn Anh (cùng là cựu sinh viên UET) thành lập RA Technology, xây dựng các giải pháp xử lý dữ liệu thông minh và recommendation system dành cho doanh nghiệp. Công nghệ của RA Technology được cập nhật liên tục trên trang web https://blog.richanchor.com. (Đồng sáng lập RA Technology)

[ ] Big Data Open Source Analytics Tóm tắt:
Big Data là một thuật ngữ rộng cho việc xử lý một tập hợp dữ liệu rất lớn và phức tạp mà các ứng dụng xử lý dữ liệu truyền thống không xử lý được. Bao gồm các thách thức phân tích, thu thập, giám sát dữ liệu, tìm kiếm, chia sẻ, lưu trữ... Bài giảng sẽ chia sẻ về lịch sử, những nhu cầu thực tế và các vấn đề liên quan đến big data, cũng như các kinh nghiệm thiết kế, xây dựng hệ thống. Cụ thể:
• Giới thiệu sơ qua về Big Data, lịch sử Big Data.
• Giới thiệu các dự án mã nguồn mở liên quan đến big data(Hadoop, Hbase, Cassandra, Spark, Storm, Flink, Elasticsearch, Kafka, Zookeeper...), thế mạnh của từng dự án và cách phân loại chọn lựa các dự án mã để đáp ứng nhu cầu.
• Cách thu thập thông tin, yêu cầu, phân tích cấu trúc data để thiết kế một hệ thống phân tích dữ liệu với các phần mềm mã nguồn mở.
• Thiết kế các tiêu chí cho hệ thống phân tích dữ liệu như performance, scalability, reliability, accuracy, metrics, UI.
• Xây dựng hệ thống với các unit test, integration test, metrics, UI. - Mr. Tuấn Nguyễn Tóm tắt tiểu sử:
Anh Nguyễn Tuấn Anh tốt nghiệp đại học ngành khoa học máy tính tại Concordia University, Montreal, Quebec, Canada. Anh có kinh nghiệm nhiều năm làm việc cho các công ty khởi nghiệp (startup) tại Silicon Valley và là co-founder của dự án mã nguồn mở eXoPlatform. (Đồng sáng lập eXo Platform)

[ ] Applications of Social Media Analytics for Enterprises in Japan and Vietnam Tóm tắt:
Với sự gia tăng nhanh chóng của smartphone, mạng xã hội đã và đang trở thành một kênh trao đổi, chia sẻ tin tức rất hữu hiệu của giới trẻ. Thấu hiểu hơn nữa insight người dùng thông qua mạng xã hội để giúp đưa ra những phương án marketing phù hợp hơn đến đối tượng khách hàng trẻ của mình là một trong những vấn đề của các doanh nghiệp. Datasection với bề dày 15 năm kinh nghiệm làm về nghiên cứu và phân tích mạng xã hội, hi vọng có thể đem đến những ví dụ thực tế của mình, giúp các bạn sinh viên hiểu hơn về tiềm năng của lĩnh vực này. - ThS. Nguyễn Thành Công Tóm tắt tiểu sử:
Ông Nguyễn Thành Công tốt nghiệp tại Đại học Bách Khoa Hà Nội và trong thời gian này ông thực hiện dự án HEDSPI. Ông tham gia nghiên cứu về hỏi đáp tự động (question-answering) tại Ishizaki-Lab thuộc Đại học Keio, Nhật Bản từ năm 2010 đến 2012. Từ năm 2012 đến 2013, ông là cán bộ giảng dạy tiếng Nhật cho IT thuộc dự án HEDSPI. Từ năm 2013 đến nay, ông là giám đốc điều hành của DataSection Việt Nam, chi nhánh đóng tại Hà Nội của công ty DataSection Japan. (CEO DataSection Việt Nam)

[ ] A Datakinder World Tóm tắt:
Khoa học dữ liệu ngày nay được ứng dụng rộng rãi trong tối ưu hoá doanh nghiệp, các sản phẩm với giá cả phải chăng dần đưa tri tuệ nhân tạo tới mỗi gia đình. Với sự hạ giá của ổ cứng và ổ mềm, các tổ chức phi lợi nhuận cũng đã tích tụ nhiều dữ liệu giúp họ hiểu thêm về vấn đề xã hội họ muốn cải tiến, theo dõi tiến độ các chương trình họ tổ chức. Vấn đề nan giải nhất là sự thiếu nguồn vốn và nhân lực để khai phá các dữ liệu đã có, tiềm lực tài chính để xây dụng một ban nghiên cứu dự liệu. DataKind tập hợp các nhà khoa học dữ liệu với mục đích giúp các tổ chức phi lợi nhuận khác khai thác tiềm năng dữ liệu của họ. Bài giảng này sẽ tập trung vào các hoạt động phân tích dữ liệu tại DataKind trong đó diễn giả là một thành viên tham gia tích cực. - Mai Thanh Hiền Tóm tắt tiểu sử:
Chị Mai Thanh Hiền là một tình nguyện viên nòng cốt của DataKind Singapore lúc rảnh rỗi, khi công việc chính của chị ở Grab Ltd. trong vai trò khai thác dữ liệu cho phép. Trước khi phục vụ cho Grab dưới vai trò Lead Data Scientist, Hiền ứng dụng khoa học dữ liệu trong ngành viễn thông, an ninh, sản xuất và thương mại. Hiền tốt nghiệp đại học tại National University of Singapore (Singapore) với văn bằng kép trong ngành toán và số liệu thống kê, và được đào tạo tại Yale University (Hoa Kỳ) và University of Edinburgh (Vương Quốc Anh). (Data Scientist, DataKind & Grab, Singapore)

Các bài giảng thực hành

Ngoài các nội dung trên, trường hè còn cung cấp các bài giảng thực hành về phân lớp (classification), hồi quy (regression), phân cụm (clustering) …

Lịch trình
Tải về lịch trình Tải về thông tin đầy đủ

Thứ Ba, 16/08
Thứ Tư, 17/08
Thứ Năm, 18/08
Thứ Sáu, 19/08

Thời gian	Thứ Ba, 16/08	Diễn giả
8:00 - 8:30	Đón tiếp và đăng ký (Reception and Registrations)
8:30 - 8:35	Giới thiệu Trường hè và chương trình (Introduction)	PGS.TS. Hà Quang Thụy - ĐH Công nghệ
8:35 - 8:45	Phát biểu khai mạc (Opening Speech)	PGS.TS. Nguyễn Việt Hà - ĐH Công nghệ
8:45- 9:45	Tổng quan về khai phá dữ liệu (Data Mining Landscape)	GS.TSKH Hồ Tú Bảo - Viện KH&CN Tiên Tiến Nhật Bản
9:45- 10:00	Tiệc trà giữa giờ (Tea break)
10:00 - 11:00	Phân lớp và hồi quy (Classification and Regression)	PGS.TS. Hoàng Xuân Huấn - ĐH Công nghệ
11:00 - 12:00	Quảng cáo dựa trên phân tích dữ liệu (Data-Driven Advertising)	TS. Đinh Lê Đạt - Co-founder, CEO Ants.vn
12:00 - 13:30	Nghỉ trưa (Lunch time)
13:30 - 14:45	Phân tích ngữ nghĩa ẩn trong dữ liệu văn bản (Discovering Hidden Semantic Structures in Texts)	TS. Thân Quang Khoát - ĐH Bách Khoa Hà Nội
14:45 - 15:00	Tiệc trà giữa giờ (Tea break)
15:00 - 16:00	Khoa học dữ liệu cho kinh doanh (Data Science for Business)	Mr. Hà Thanh Tùng - Co-founder RA Technology
16:00 - 17:15	Thực hành: Dự đoán khách hàng rời dịch vụ (Practice: Customer Churn Prediction)	ThS. Trần Mai Vũ - ĐH Công nghệ

Thời gian	Thứ Tư, 17/08	Diễn giả
8:00 - 8:30	Đón tiếp và đăng ký (Reception and Registrations)
8:30 - 9:45	Phân cụm dữ liệu (Cluster Analysis)	PGS.TS. Nguyễn Trí Thành - ĐH Công nghệ
9:45 - 10:00	Tiệc trà giữa giờ (Tea break)
10:00 - 11:00	Thách thức trong phát triển sàn giao dịch du lịch (Online Travelling System: Technical Challenges)	ThS. Trần Bình Giang - Co-founder, CTO Tripi.vn
11:00 - 12:00	Thử thách và cơ hội về phân tích dữ liệu lớn với các nhà khoa học dữ liệu tại VC Corporation (Big Data Challenges and Opportunities for Data Scientists at VC Corporation)	Mr. Hoàng Anh Tuấn - CTO Admicro, VC Corporation
12:00 - 13:30	Nghỉ trưa (Lunch time)
13:30 - 14:45	Khai phá quy trình (Process Mining)	PGS.TS. Hà Quang Thụy - ĐH Công nghệ
14:45 - 15:00	Tiệc trà giữa giờ (Tea break)
15:00 - 16:00	Khoa học dữ liệu cho phát triển xã hội (A Datakinder World)	Mai Thanh Hiền - Data Scientist, DataKind & Grab, Singapore
16:00 - 17:15	Thực hành: Suy diễn thông tin người dùng Facebook dựa trên văn phong (Practice: Facebook User Profiling)	ThS. Trần Mai Vũ - ĐH Công nghệ

Thời gian	Thứ Năm, 18/08	Diễn giả
8:00 - 8:30	Đón tiếp và đăng ký (Reception and Registrations)
8:30 - 9:45	Khai phá mẫu và luật kết hợp (Pattern and Association Mining)	PGS.TS. Võ Đình Bảy - ĐH Công nghệ TPHCM
9:45 - 10:00	Tiệc trà giữa giờ (Tea break)
10:00 - 11:00	Phân tích và khai phá mạng xã hội (Social Network Analysis and Mining)	ThS. Trần Mai Vũ, PGS.TS. Hà Quang Thụy - ĐH Công nghệ
11:00 - 12:00	Ứng dụng phân tích dữ liệu truyền thông xã hội trực tuyến cho các doanh nghiệp Nhật Bản và Việt Nam (Applications of Social Media Analytics for Enterprises in Japan and Vietnam)	ThS. Nguyễn Thành Công - CEO DataSection Vietnam
12:00 - 13:30	Nghỉ trưa (Lunch time)
13:30 - 14:30	Phân tích dữ liệu lớn với các phần mềm nguồn mở (Open Source Big Data Analytics)	Mr. Tuấn Nguyễn - Co-founder eXo Platform
14:30 - 14:45	Tiệc trà giữa giờ (Tea break)
14:45 - 16:00	Phân tích dữ liệu với các chỉ số dẫn báo (Data Analysis by Using Leading Indicators)	PGS.TS. Đỗ Văn Thành - Trung tâm Thông tin và Dự báo Kinh tế - Xã hội Quốc gia và ĐH Nguyễn Tất Thành
16:00 - 17:15	Thực hành: Phân nhóm/đoạn khách hàng (Practice: Customer Segmentation)	ThS. Trần Mai Vũ - ĐH Công nghệ

Thời gian	Thứ Sáu, 19/08	Diễn giả
8:00 - 8:30	Đón tiếp và đăng ký (Reception and Registrations)
8:30 - 9:45	Các mô hình đồ thị xác suất (Probabilistic Graphical Models)	TS. Trần Quốc Long - ĐH Công nghệ
9:45 - 10:00	Tiệc trà giữa giờ (Tea break)
10:00 - 11:00	Các hệ thống tư vấn/gợi ý (Recommender Systems)	TS. Đặng Hoàng Vũ - Data Scientist, FPT Corporation
11:00 - 12:00	Phân tích truyền thông xã hội trực tuyến (Online Social Media Monitoring)	ThS. Lê Công Thành - Founder, CEO InfoRe Technology
12:00 - 13:30	Nghỉ trưa (Lunch time)
13:30 - 14:45	Thực hành: Bài toán phân tích giỏ hàng (Practice: Market Basket Analysis)	ThS. Trần Mai Vũ - ĐH Công nghệ
14:45 - 15:00	Tiệc trà giữa giờ (Tea break)
15:00 - 15:45	Trao đổi, thảo luận về Các hướng đi và bước tiến mới trong khai phá dữ liệu (Panel Discussion on New Trends and Advances in Data Mining)	Panelists: Các diễn giả & khách mời
15:45 - 17:00	Học sâu cho dữ liệu văn bản (Deep Learning for Texts)	TS. Lê Hồng Phương - ĐH Khoa học Tự nhiên Hà Nội
17:00 - 17:15	Lễ trao Giấy chứng nhận và Bế mạc (Certification and Closing)

DIỄN GIẢ

GS.TSKH. Hồ Tú Bảo

JAIST

PGS.TS. Hà Quang Thụy

UET, VNU

TS. Phan Xuân Hiếu

UET, VNU

PGS.TS. Hoàng Xuân Huấn

UET, VNU

PGS.TS. Nguyễn Trí Thành

UET, VNU

PGS.TS. Võ Đình Bảy

HUTECH

PGS.TS. Đỗ Văn Thành

ĐH Nguyễn Tất Thành

TS. Thân Quang Khoát

HUST

TS. Lê Hồng Phương

HUS, VNU

PGS.TS. Nguyễn Lê Minh

JAIST

ThS. Trần Mai Vũ

UET, VNU

TS. Trần Quốc Long

UET, VNU

TS. Đặng Hoàng Vũ

FPT Corporation

TS. Đinh Lê Đạt

Co-founder, CEO Ants.vn

ThS. Lê Công Thành

Co-founder, CEO InfoRe Technology

Mr. Hoàng Anh Tuấn

Director of Big Data Division, VCCorp

ThS. Trần Bình Giang

Co-founder, CTO Tripi.vn

Mr. Hà Thanh Tùng

Co-founder RA Technology

Mr. Tuấn Nguyễn

Co-founder eXo Platform

ThS. Nguyễn Thành Công

CEO DataSection Vietnam

Mai Thanh Hiền

Data Scientist, DataKind & Grab, Singapore

ĐĂNG KÝ

Đã hết hạn đăng ký tham dự trường hè.

Số lượng học viên tối đa: 150 học viên.

Học phí cho khóa học: 500.000 VNĐ/học viên.

Bước 1: Đăng ký

Vui lòng điền vào mẫu sau để đăng ký:

Mẫu đăng ký

Bước 2: Thanh toán

Đã hết hạn thanh toán học phí.

● Chuyển khoản qua ngân hàng (chi tiết)

● Nộp học phí trực tiếp (chi tiết)

Bước 3: Nhận thẻ học viên

Thẻ học viên cùng tài liệu sẽ được phát tại trường hè.

BAN TỔ CHỨC

PGS.TS. Hà Quang Thụy (chair)
TS. Phan Xuân Hiếu (co-chair)
PGS.TS. Nguyễn Trí Thành
TS. Trần Trọng Hiếu
TS. Bùi Ngọc Thăng
ThS. Trần Mai Vũ
ThS. Lê Hoàng Quỳnh

CÁC ĐƠN VỊ TÀI TRỢ

Bản đồ