(DSA) – Sau 2 năm phải tạm hoãn do đại dịch Covid-19, ngày 9/1, tại Đại học Đông Á, đã chính thức diễn ra phiên khai mạc hội thảo quốc tế “Khoa học dữ liệu trong Kinh doanh, Tài chính và Công nghiệp” (DSBFI) 2023.

Diễn ra liên tục trong 2 ngày từ 9–10/1, kết hợp trực tiếp và trực tuyến ở các điểm cầu Việt Nam và quốc tế; hội thảo có 7 phiên làm việc với 35 báo cáo chuyên đề được trình bày. Đội ngũ diễn giả hùng hậu gồm hơn 50 chuyên gia quốc tế đến từ 14 quốc gia và vùng lãnh thổ trên thế giới gồm: Hoa Kỳ, Pháp, Bỉ, Thụy Sĩ, Hàn Quốc, Nhật Bản, Ấn Độ, Sri Lanka, Trung Quốc, Đài Loan, Philippines, Indonesia, Guadeloupe và Việt Nam. Bên cạnh đó, hội thảo còn quy tụ sự tham gia của nhiều học giả từ các viện nghiên cứu, trường đại học, các khoa chuyên ngành về Khoa học dữ liệu, Công nghiệp, Quản trị kinh doanh, Tài chính ở Việt Nam.

Đại học Đông Á và Hiệp hội Khoa học và Ứng dụng quốc tế (International Society of Science and Applied Technologies – ISSAT) là hai đơn vị đồng tổ chức hội thảo lần thứ 2 (trước đó, hội nghị DSBFI lần đầu tiên đã diễn ra vào năm 2019, với 11 phiên làm việc, 31 báo cáo của hơn 50 nhà nghiên cứu quốc tế đến từ 9 quốc gia).

Năm 2022, Viện Nghiên cứu quốc tế về Trí tuệ nhân tạo và Khoa học dữ liệu Đại học Đông Á (IAD) phối hợp cùng Viện nghiên cứu Gemtex, trường Đại học Ensait, Đại học Lille, Cộng hoà Pháp và Trường Quản lý HEC Liège, Đại học Liege, Bỉ đồng tổ chức Hội thảo quốc tế với chủ đề “Trí tuệ nhân tạo và Khoa học dữ liệu trong Công nghiệp 4.0”.

DSBFI 2023 cũng là hội thảo quốc tế về lĩnh vực Khoa học dữ liệu lần thứ VII, được Đại học Đông Á phối hợp các viện nghiên cứu, các trường đại học, các nhà khoa học và chuyên gia trong nước và quốc tế, tổ chức.

DSBFI đã trở thành diễn đàn thường niên về nghiên cứu, ứng dụng, giáo dục và quản lý trong các lĩnh vực Kinh doanh, Tài chính và Công nghiệp.

Từ phương pháp, mô hình định lượng trong khoa học dữ liệu đến phân tích dữ liệu lớn
Dưới sự chủ trì của các giáo sư đầu ngành, xuyên suốt hội thảo là những phân tích vừa tổng quan vừa chuyên môn sâu về các chủ đề được chia theo từng phiên làm việc: Mô hình hóa và Dự đoán và những ứng dụng; Học máy và các ứng dụng; Mô hình dự đoán và tối ưu hóa; Phương pháp và mô hình định lượng trong khoa học dữ liệu; Lựa chọn tính năng và phân tích dữ liệu lớn; Mô hình hóa và ứng dụng trong tài chính và công nghiệp; Giám sát hiệu suất trong kinh doanh và công nghiệp,…

“Hội thảo cũng là không gian để các chuyên gia thiết lập hợp tác phát triển, trong đó hợp tác giáo dục và nghiên cứu khoa học được kỳ vọng thúc đẩy trên nhiều lĩnh vực dựa trên thế mạnh của mỗi thành viên, đặc biệt là ý tưởng về cách sử dụng dữ liệu và chuyển giao công nghệ có tính ứng dụng cao trong các lĩnh vực nghiên cứu để góp phần hoạch định chính sách và phát triển doanh nghiệp cũng như giải quyết những thách thức thực tế trong cuộc sống.”, ông Lương Minh Sâm – Chủ tịch Hội đồng trường Đại học Đông Á phát biểu tại hội thảo.

Dẫn ra vai trò của phần mềm trong chuyển đổi kỹ thuật số khi sự bùng phát của COVID-19 đã làm cho nhiều ngành công nghiệp cố gắng chuyển đổi kỹ thuật số và sử dụng trong nhiều ngành công nghiệp khác nhau. Nhóm tác giả Da Hye Lee, In Hong Chang (Đại học Chosun, Hàn Quốc) và GS. Phạm Hoàng (Đại học Rutgers, Hoa Kỳ) đề xuất một mô hình tăng trưởng độ tin cậy phần mềm mới giả định các lỗi phụ thuộc và môi trường hoạt động không chắc chắn. Ngoài ra, nghiên cứu cũng đề xuất phương pháp kiểm tra tỷ lệ xác suất tuần tự (SPRT) có thể kiểm tra hiệu quả độ tin cậy của phần mềm bằng mô hình được đề xuất.

GS. Peihua Qiu – Giảng viên cao cấp (Đại học Florida – Hoa Kỳ) trong chia sẻ của mình, đã giới thiệu một số phương pháp gần đây do nhóm nghiên cứu của ông phát triển để lập mô hình và giám sát dữ liệu quy trình theo không gian-thời gian (ST) trong báo cáo “Giám sát và mô hình hóa dữ liệu không gian – thời gian”. Theo GS. Qiu, giám sát quy trình theo không gian-thời gian (ST) gần đây đã nhận được sự chú ý đáng kể do các ứng dụng rộng rãi của nó trong giám sát môi trường, giám sát dịch bệnh, xử lý hình ảnh trực tuyến, v.v. Tuy nhiên, các phương pháp hiện có hoặc áp đặt các giả định hạn chế khác nhau đối với mối tương quan ST khó có thể biện minh hoặc bỏ qua một phần hoặc toàn bộ dữ liệu ST tương quan và biến thể dữ liệu ST.

Nghiên cứu “Hệ thống chất lượng chăm sóc sức khỏe thông minh dựa trên mô hình Internet vạn vật sử dụng thuật toán phân cụm” của nhóm tác giả đến từ Đại học Công nghệ quốc gia Chin-Yi, Đài Loan cho thấy, cơ sở dữ liệu thu được thông qua cảm biến nhiệt độ và thiết bị nhà thông minh cùng nhau cung cấp đồ họa phân phối nhiệt độ trong các hoàn cảnh sống khác nhau của người cao tuổi. Với công nghệ và quản lý như vậy, mục tiêu là nâng cao khả năng sống của người cao tuổi và thiết lập môi trường nhà thông minh năng động, an toàn và đồng thời tiết kiệm năng lượng. Đây cũng là một trong những ứng dụng có thể ứng dụng để xây dựng một ngôi nhà phù hợp an toàn, thoải mái, chất lượng cao, thân thiện và tiết kiệm năng lượng cho xã hội già.

Từ một cuộc khảo sát về các phương pháp tiên tiến hỗ trợ kiểm soát chất lượng trong sản xuất thông minh trong Công nghiệp 5.0 được thực hiện, nghiên cứu “Hướng tới khả năng ứng dụng học máy trong kiểm soát chất lượng cho sản xuất thông minh” của TS. Nguyễn Hữu Du – Viện trưởng Viện IAD Đại học Đông Á, PGS. TS Trần Kim Phúc – Đại học Lille, Ensait & Gemtex, Cộng hòa Pháp và các cộng sự tại Pháp và Bỉ tập trung các phương pháp dựa trên AI và một số thách thức và quan điểm đối với kiểm soát chất lượng dựa trên AI cho sản xuất thông minh trong Công nghiệp 5.0 cũng như nghiên cứu điển hình về việc áp dụng các thuật toán học máy trong kiểm soát chất lượng công nghiệp.

Trong khi đó, “Công nghệ thiết bị đeo cho sản xuất thông minh trong Công nghiệp 5.0 – Các ứng dụng, thách thức và nghiên cứu điển hình” là nghiên cứu đến từ nhóm tác giả Đại học Đông Á và Đại học Lille, Ensait & Gemtex, Cộng hòa Pháp.

Báo cáo chỉ ra, bằng cách tích hợp các thuật toán Internet vạn vật (IoT) và Trí tuệ nhân tạo (AI) trong thiết bị đeo cảm biến, một thế hệ thiết bị IoT đeo được mới được giới thiệu để giải quyết những hạn chế của thiết bị đeo truyền thống, tăng độ chính xác, cũng như hoạt động trong một hệ thống mạng lưới. Trong hoạt động, các thiết bị đeo IoT (WIoT) được kết nối tất cả các cảm biến trên cơ thể và ngoài cơ thể, xử lý và phân tích dữ liệu trên máy chủ trung tâm, sau đó gửi lại cho thiết bị, điều này giúp tối ưu hóa mức tiêu thụ năng lượng, bộ nhớ và lưu trữ, do đó các thiết bị WIoT được sử dụng rộng rãi trong nhiều lĩnh vực khác nhau: chăm sóc sức khỏe, giao thông, thể thao…

Ngọc Chi