posthentai.com

Thân Quang Khoát

Trưởng phòng, Phòng Nghiên cứu Khoa học Dữ liệu
Phó Giáo sư, Bộ môn Hệ thống Thông tin

Tiến sỹ (Khoa học Tri thức, Viện Khoa học và Công nghệ tiên tiến Nhật Bản, 2013)
Thạc sỹ (Khoa học Máy tính, trường Đại học Bách khoa Hà Nội, 2009)
Cử nhân (Toán ứng dụng và Tin học, Đại học Quốc gia Hà Nội, 2004)

Email: khoattq@soict.hust.edu.vn
Web: http://is.hust.edu.vn/~khoattq/

Lĩnh vực nghiên cứu

  • Trí tuệ nhân tạo
  • Khoa học dữ liệu
  • Khoa học máy tính

Các nghiên cứu quan tâm

  • Học máy
  • Học biểu diễn
  • Học liên tục
  • Hệ gợi ý
  • Quảng cáo trực tuyến
  • Dữ liệu lớn

Giới thiệu

PGS. Thân Quang Khoát hiện đang là Trưởng phòng Nghiên cứu về Khoa học dữ liệu, và Giảng viên tại bộ môn Hệ thống Thông tin, Viện Công nghệ thông tin và truyền thông, trường Đại học Bách khoa Hà Nội. Anh đã hoàn thành luận án Tiến Sĩ năm 2013, tại Viện Khoa học và Công nghệ tiên tiến Nhật Bản (JAIST). Anh thường xuyên là thành viên của Hội đồng chương trình của nhiều hội nghị hàng đầu thế giới về lĩnh vực Trí tuệ nhân tạo và Khoa học dữ liệu, bao gồm ICML, NIPS, IJCAI, ICLR, PAKDD, ACML. Những nghiên cứu của anh đã và đang được tài trợ bởi nhiều quỹ khác nhau, như ONRG (Mỹ), AFRL (Mỹ), ARL (Mỹ), NAFOSTED (VN), MOET (VN).

Các công trình khoa học tiêu biểu

  • Cuong Ha-Nhat, Van-Dang Tran, Linh Ngo Van, Khoat Than, “Eliminating overfitting of probabilistic topic models on short and noisy text: The role of Dropout”, International Journal of Approximate Reasoning, Elsevier, 2019.
  • Hoa Le Minh, Son Ta Cong, Quyen Pham The, Linh Ngo Van, Khoat Than, “Collaborative Topic Model for Poisson distributed ratings”, International Journal of Approximate Reasoning, Volume 95, Pages 62-76, Elsevier, 2018.
  • Tu Vu, Xuan Bui, Khoat Than, Ryutaro Ichise, “A flexible stochastic method for solving the MAP problem in topic models”, Computacón y Sistemas journal, 2018.
  • Ngo Van Linh, Nguyen Kim Anh, Khoat Than, Chien Nguyen Dang, “An Effective and Interpretable Method for Document Classification”, Knowledge and Information Systems, Springer, 2017.
  • Khoat Than, Tu Bao Ho, and Duy Khuong Nguyen, “An effective framework for supervised dimension reduction”. Neurocomputing, vol .139, pages 397-407, Elsevier, 2014.
  • Khoat Than and Tu Bao Ho, “Modeling the diversity and log-normality in data”. Intelligent Data Analysis: An International Journal, vol. 18, no.6, 2014.
  • Linh The Nguyen, Linh Van Ngo, Khoat Than, and Thien Huu Nguyen, “Employing the Correspondence of Relations and Connectives to Identify Implicit Discourse Relations via Label Embeddings”, In Proceeding of the Association for Computational Linguistics (ACL), 2019.
  • Khoat Than, Xuan Bui, Tung Nguyen-Trong, Khang Truong, Son Nguyen, Bach Tran, Linh Ngo Van, and Anh Nguyen-Duc “How to make a machine learn continuously: a tutorial of the Bayesian approach”, Proc. SPIE 11006, Artificial Intelligence and Machine Learning for Multi-Domain Operations Applications, 110060I (May 2019); doi: 10.1117/12.2518860
  • Duc-Anh Nguyen, Kim Anh Nguyen, Linh Ngo, Khoat Than, “Keeping priors in streaming Bayesian learning”, In Proceedings of the 21st Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD). Lecture Notes in Computer Science, Springer, 2017.
  • Tung Doan and Khoat Than, “Sparse Stochastic Inference with Regularization”, In Proceedings of the 21st Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD). Lecture Notes in Computer Science, Springer, 2017.

Giải thưởng, khen thưởng

  • Student Best Paper: IEEE International Conference on Research, Innovation & Vision for the Future, 2008
  • Best Student Paper: The 10th IEEE RIVF International Conference on Computing and Communication Technologies, Hanoi, 2013.
  • Monbukagakusho Scholarship: Japanese Government MEXT Scholarship, 10/2009-9/2013
  • Travel grants: NEC C & C Foundation (2010), Japan Association for Mathematical Sciences (2012), NAFOSTED (2016); ARL (2019)

Giảng dạy

  • Trí tuệ nhân tạo
  • Học máy
  • Nhập môn Khoa học dữ liệu
  • Học máy cho dữ liệu lớn

DỰ ÁN HIỆN TẠI

  • Learning an effective representation for the hidden semantics (Role: Dirrector / Principle Investigator)
  • Multi-tasking Evolutionary Algorithms for Optimizing Artificial Neural Network and Graph-based Models (Role: Investigator)
  • Develop new transition-metal-rare-earth materials for permanent magnets by machine learning Models (Role: Investigator)