Trường Đại học Công ngh�?Thông tin - Học tập - Nghiên cứu

xhnv_hangdt — Thu, 04 Jan 2024 05:17:27 +0000

Khoa Công ngh�?Phần mềm thông báo danh sách phản biện đ�?tài Khóa luận tốt nghiệp đợt 1 năm học 2023 - 2024 như sau:

DS phản biện đ�?tài KLTN đợt 1 năm học 2023 - 2024

Đ�?ngh�?sinh viên liên h�?giảng viên phản biện t�?nay đến 06/01/2024 đ�?kịp hoàn thiện Khóa luận tốt nghiệp trước khi bảo v�?lt;/span>

Lịch bảo v�?KLTN đợt 1 năm học 2023 - 2024: 19/01/2024

Mọi thông tin chi tiết xem tại: //se.uit.emigsm.com/tin-tuc/10-thong-bao-hoc-vu/1602-danh-sách-phản-biện-khóa-luận-tốt-nghiệp-đợt-1-năm-học-2023-2024.html

H�?Băng - Cộng tác viên Truyền thông trường Đại học Công ngh�?Thông tin

Trường Đại học Công ngh�?Thông tin - Học tập - Nghiên cứu

xhnv_ybn — Wed, 03 Jan 2024 02:19:20 +0000

Ch�?còn vài ngày nữa là năm 2023 s�?kết thúc và đây cũng chính là giai đoạn ôn thi cuối k�?rất căng thẳng của sinh viên t��i x?u online . Có l�?các bạn đang đối diện với áp lực của việc ôn tập nhiều môn và làm nhiều đ�?thi đúng không?

Th�?nhưng tham gia Thi Th�?Cuối K�?của BHT HTTT s�?giúp các bạn có có th�?xua tan nỗi lo s�?này đấy! Bởi đ�?thi th�?s�?được thiết k�?cẩn thận, bám sát nội dung ôn tập, giúp các bạn có th�?t�?đánh giá lại kiến thức của mình. Việc tham gia thi th�?cũng cải thiện k�?năng quản lý và phân chia thời gian làm bài hiệu qu�?

Đặc biệt, trong đợt thi th�?lần này, chúng mình s�?TRỰC TIẾP GIẢI ĐỀ sau khi kết thúc thời gian làm bài.

Đăng ký thi th�?ngay: //khaosat.me/i/dang-ky-thi-thu-ck1-k18-2324

Phòng thi: B1.14, Toà nhà B, Trường Đại học Công ngh�?Thông tin

Thời gian:

+ Giải tích: 8h15 ngày 05/01/2024

+ Đại s�?tuyến tính: 13h00 - 16h15 ngày 05/01/2024

+ Nhập môn lập trình: 8h15 - 11h30 ngày 06/01/2024

Các bạn nh�?điền form cũng như lưu lại lịch thi trên đ�?tham gia thi đúng gi�?nhé. R�?rê bạn bè của mình cùng tham gia thi đ�?gặt hái được điểm thật cao nè! Chúc các bạn ôn luyện thật tốt!

Thông tin chi tiết: //www.facebook.com/BHTHTTT/posts/pfbid02QTpXNCDf3WS9WnzfUf5TRXfRCEE9JRAMLEpnZQAyZ6PUErvMDZjKuWCn4Ymt1HDBl

Hải Băng - Cộng tác viên Truyền thông trường Đại học Công ngh�?Thông tin

Trường Đại học Công ngh�?Thông tin - Học tập - Nghiên cứu

xhnv_ybn — Wed, 03 Jan 2024 02:18:19 +0000

Chuỗi training cuối k�?cho K17 & K18 CỦA BHT HTTT s�?cuốn đi nỗi s�?hãi của bạn bây gi�? Đối với những “newbies�?nào chưa biết thì đây là hoạt động được BHT HTTT đầu tư nhiều thời gian và công sức nhằm giúp cho các bạn sinh viên, đặc biệt là những bạn đang cảm thấy "mông lung như một trò đùa", có th�?“nâng band�?trong K�?thi Cuối k�?I sắp tới.

Bật mí nho nh�?v�?chuỗi Training lần này là BHT HTTT s�?t�?chức thêm 3 buổi training ONLINE cho K17 & K18 đ�?chúng mình có nhiều thời gian tổng ôn và luyện tập hơn đó!

Lịch trình cho chuỗi training cuối k�?- K17 & K18 như sau:

+ K17:

Địa điểm: Online - Microsoft Teams

Mã code: du2lo59

Thời gian: 19h - 21h

02 - 03/01/2024: H�?điều hành.

04 - 05/01/2024: Cơ s�?d�?liệu

06 - 07/01/2024: Nhập môn mạng.

+ K18:

Địa điểm: Phòng B1.14, Toà nhà B, Trường Đại học Công ngh�?Thông tin.

Thời gian:

14h - 16h th�?Ba 02/01/2024: Giải tích.

14h - 16h, th�?Tư 03/01/2024: Đại s�?tuyến tính.

9h - 11h, th�?Năm 04/01/2024: Nhập môn lập trình.

Online - Microsoft Teams:

Mã code: du2lo59

Thời gian: 19h - 21h

02/01/2024: Giải tích.

03/01/2024: Đại s�?tuyến tính.

04/01/2024: Nhập môn lập trình.

Thông tin chi tiết: //www.facebook.com/BHTHTTT/posts/pfbid0BhA8evWJGoeTAQqY1wiTuxonEzUftJQJ16sKY8aat7VTEq2stAKX1ic9H3LMRzLAl

Hải Băng - Cộng tác viên Truyền thông trường Đại học Công ngh�?Thông tin

Trường Đại học Công ngh�?Thông tin - Học tập - Nghiên cứu

xhnv_ybn — Wed, 03 Jan 2024 02:16:54 +0000

Sắp tới, chuỗi training của Ban học tập Công ngh�?Phần mềm không ch�?là nền tảng kiến thức, mà còn là “c�?máy�?biến hóa kiến thức thành sức mạnh đích thực!

Chúng mình gửi đến các bạn thông tin lịch training.

Cơ s�?d�?liệu:

Thời gian: 19h30 ngày 02/01/2024

Địa điểm: Microsoft Teams

Code: w2dsy1q

Trainers:

- Lê Duy Nguyên KTPM2022.2

- Hoàng Gia Phong KTPM2022.2

- Trương Tuấn Huy KTPM2022.1

H�?điều hành:

Thời gian: 19h30 ngày 03/01/2024

Địa điểm: Microsoft Teams

Code: w2dsy1q

Trainers:

- Nguyễn Hoài Như KTPM2022.2

- Lê Dương Minh Thiên KHMT2022.4

Nhập môn mạng máy tính:

Buổi 1:

Thời gian: 19h30 ngày 04/01/2024

Địa điểm: Microsoft Teams

Code: w2dsy1q

Trainers:

- Nguyễn Lâm Thanh Triết KTPM2022.3

- Nguyễn Việt Khoa KTPM2022.2

Buổi 2:

Thời gian: 19h30 ngày 05/01/2024

Địa điểm: Microsoft Teams

Code: w2dsy1q

Trainers:

- Phạm Trung Nguyên CNTT2022.2

- Trương Đoàn Vũ MMTT2022.3

Thông tin chi tiết: //www.facebook.com/bhtcnpm/posts/pfbid02z7QS5sLF1QSMTpVh618wgHEUWU3impytDYd99QkBARmBMfa93UqnJgCxTSZ2S4kLl

Hải Băng - Cộng tác viên Truyền thông trường Đại học Công ngh�?Thông tin

Trường Đại học Công ngh�?Thông tin - Học tập - Nghiên cứu

xhnv_ybn — Wed, 03 Jan 2024 02:15:37 +0000

Các bạn sinh viên đã sẵn sàng cho “th�?thách cuối cùng�?của k�?thi cuối kì chưa? Hãy cùng Ban học tập Công ngh�?Phần mềm chinh phục trong chuỗi training sắp tới nhé

Các bạn lưu lại và theo dõi thông tin lịch training :

T�?chức và cấu trúc máy tính II:

Buổi 1:

Thời gian: 19h30 ngày 06/01/2024

Địa điểm: Microsoft Teams

Code: w2dsy1q

Trainers:

- Võ Xuân Ngọc KTPM2023.2

- Đặng Ngọc Trường Giang KTPM2023.1

Buổi 2:

Thời gian: 19h30 ngày 07/01/2024

Địa điểm: Microsoft Teams

Code: w2dsy1q

Trainers:

- Lưu Bình KTPM2023.1

- T�?Th�?Tú Uyên KTPM2023.3

Đại s�?tuyến tính:

Buổi 1:

Thời gian: 19h30 ngày 08/01/2024

Địa điểm: Microsoft Teams

Code: w2dsy1q

Trainers:

- Quách Vĩnh Cơ KTPM2023.1

- Đặng Minh Nhật KTPM2023.2

Buổi 2:

Thời gian: 19h30 ngày 09/01/2024

Địa điểm: Microsoft Teams

Code: w2dsy1q

Trainers:

- Nguyễn Đình Huy KTPM2023.1

- T�?Hoàng Hiệp KTPM2023.1

Nhập môn lập trình:

Buổi 1:

Thời gian: 19h30 ngày 10/01/2024

Địa điểm: Microsoft Teams

Code: w2dsy1q

Trainers:

- Võ Chí Cường KTPM2023.1

- Huỳnh Hữu Nghĩa KTPM2023.2

Buổi 2:

Thời gian: 19h30 ngày 11/01/2024

Địa điểm: Microsoft Teams

Code: w2dsy1q

Trainers:

- Tiền Minh Dương KTPM2023.1

- Phạm Trần Khánh Duy KTPM2023.1

Giải tích:

Buổi 1:

Thời gian: 19h30 ngày 12/01/2024

Địa điểm: Microsoft Teams

Code: w2dsy1q

Trainers:

- Ngô Phạm Phương Uyên KHMT2023.4

- Nguyễn Đình Thiên Quang KHTN2023

Buổi 2:

Thời gian: 19h30 ngày 13/01/2024

Địa điểm: Microsoft Teams

Code: w2dsy1q

Trainers:

- Nguyễn Thành Đạt CNNB2023.1

- Nguyễn Lê Tuấn Anh KTPM2023.1

Thông tin chi tiết: //www.facebook.com/bhtcnpm/posts/pfbid02aTBP9M643V43vYeF2UhH2Tpoo8GgPbTUjmoYkvGxoXBvze5BB67qAorxg1bR4uvjl

Hải Băng - Cộng tác viên Truyền thông trường Đại học Công ngh�?Thông tin

Trường Đại học Công ngh�?Thông tin - Học tập - Nghiên cứu

xhnv_ybn — Wed, 03 Jan 2024 02:10:07 +0000

Chúc mừng sinh viên Nguyễn Th�?Hồng, MSSV 20521357, khoa Khoa học & K�?thuật Thông tin đã xuất sắc đạt chứng ch�?tiếng Nhật JLPT N3

Chúc bạn s�?học tập tốt hơn nữa với những thành tích tuyệt vời nhất nhé! t��i x?u online luôn khuyến khích sinh viên rèn luyện, nâng cao năng lực ngoại ng�?hướng tới một th�?h�?công dân toàn cầu và hình mẫu sinh viên toàn diện.

Thông tin chi tiết: //www.facebook.com/t��i x?u online .Fanpage/posts/pfbid0BQELKWXENgXpKfa8Tt6tHynoLuhLmTWoYr916L7WZGmK5DuSLXHfEfYk8Qs9pqaKl

Hải Băng - Cộng tác viên Truyền thông trường Đại học Công ngh�?Thông tin

Trường Đại học Công ngh�?Thông tin - Học tập - Nghiên cứu

xhnv_ybn — Wed, 03 Jan 2024 02:02:29 +0000

Chúc mừng sinh viên Lê Nguyễn Hương Tiên, MSSV 21521521, khoa Khoa K�?thuật Máy tính đã xuất sắc đạt chứng ch�?tiếng Nhật JLPT N2

Thông tin chi tiết: //www.facebook.com/t��i x?u online .Fanpage/posts/pfbid035TzrnFoHHqoa5yLVPpQDAPPPbk5JsQXtGCgu1x1mxRz6Efy4ATEU6yufP5WLDfFQl

Hải Băng - Cộng tác viên Truyền thông trường Đại học Công ngh�?Thông tin

Trường Đại học Công ngh�?Thông tin - Học tập - Nghiên cứu

xhnv_ybn — Wed, 03 Jan 2024 01:59:59 +0000

Chúc mừng sinh viên Phan Mạnh Duy, MSSV 20521245, khoa Khoa học & K�?thuật Thông tin đã xuất sắc đạt chứng ch�?tiếng Nhật JLPT N3

Thông tin chi tiết: //www.facebook.com/t��i x?u online .Fanpage/posts/pfbid0ku5XrCtwuokfcLjSm9WG439oVosDczefSwp42y7oRryYQX77J4qGznwQu2QGrJFpl

Hải Băng - Cộng tác viên Truyền thông trường Đại học Công ngh�?Thông tin

Trường Đại học Công ngh�?Thông tin - Học tập - Nghiên cứu

xhnv_quynhlam — Tue, 02 Jan 2024 13:51:14 +0000

Vậy là chuyến tàu mang tên K17 lại sắp đáp xuống hành tinh cuối k�? Đây d�?đoán s�?là th�?thách vô cùng cam go với các bạn sinh viên.

Nhận thấy s�?nguy hiểm của hành tinh này, BHT Đoàn khoa Mạng máy tính và Truyền thông đã m�?những trạm tiếp nhiên liệu đầy quý giá - những buổi ôn tập đ�?đảm bảo chuyến hành trình cuối cùng của k�?này diễn ra thật suôn s�? Việc của các bạn là ch�?cần ghé qua, chuẩn b�?giấy bút, và chúng mình s�?nạp lại “đầy bình�?kiến thức cho các bạn nhé.

Mình tin chắc rằng, đây hứa hẹn s�?là những buổi ôn tập vô cùng hữu ích. Vậy còn ch�?gì nữa mà không note lại thời gian và địa điểm đ�?có th�?“ghé trạm�?cùng chúng mình nào.

Thời gian diễn ra chuỗi hoạt động
- Nhập môn mạng (buổi 1): 19h30, Th�?3 ngày 2/1/2024
- Nhập môn mạng (buổi 2): 19h30, Th�?5 ngày 4/1/2024
- Cơ s�?d�?liệu: 19h30, Th�?6 ngày 5/1/2024
- Kiến trúc máy tính: 19h30, Th�?7 ngày 6/1/2024

Địa điểm: Microsoft Teams - Mã code: r13u4cl

Hẹn gặp lại các bạn trong những buổi ôn tập sắp tới nhé.

Thông tin chi tiết xem thêm tại: Fanpage Mạng máy tính và Truyền thông

Đông Xanh - Cộng tác viên truyền thông trường Đại học Công ngh�?Thông tin

Trường Đại học Công ngh�?Thông tin - Học tập - Nghiên cứu

xhnv_hangdt — Tue, 02 Jan 2024 11:02:25 +0000

Hiện nay chat GPT và các mô hình ngôn ng�?lớn đã tr�?nên rất ph�?biến, giúp ích chúng ta rất nhiều trong việc tổng hợp, tra cứu thông tin

Nhưng những mô hình này ch�?biết v�?thông tin đã được đào tạo trước đó. Điều đó có nghĩa là nó không có kiến thức v�?d�?liệu riêng của chúng ta, và thiếu nhận thức v�?nguồn thông tin đáng tin cậy.

Do đó, đ�?cải thiện kh�?năng tr�?lời câu hỏi dựa trên thông tin được cung cấp, chúng ta có th�?cung cấp thông tin đó t�?một bước tìm kiếm. Điều này giúp chúng tr�?lời chính xác hơn mà không cần phải đào tạo lại mô hình lớn này. Đây chính là ý tưởng của Mô hình Ngôn ng�?lớn có thêm thông tin tìm kiếm (Retrieval-Augmented Generation - RAG)

Hiện nay có nhiều công c�?và k�?thuật đ�?có th�?làm được điều này, trong bài viết này, chúng tôi s�?giới thiệu đến mọi người phương pháp s�?dụng kiến thức của ChatGPT trên một b�?d�?liệu c�?th�? s�?dụng các công c�?k�?thuật như LangChain và LlamaIndex

Giới thiệu sơ qua v�?LangChain:

LangChain là một framework cho việc phát triển ứng dụng s�?dụng các mô hình ngôn ng�? Nó cho phép ứng dụng:

Nhận biết d�?liệu: Kết nối mô hình ngôn ng�?với các nguồn d�?liệu khác.

Tương tác: Cho phép mô hình ngôn ng�?tương tác với môi trường của nó.

Giới thiệu sơ qua v�?LlamaIndex

LlamaIndex là một công c�?giúp đơn giản hóa việc tích hợp mô hình ngôn ng�?máy học (LLM) vào ứng dụng. Nó cho phép kết hợp d�?liệu t�?nhiều nguồn khác nhau và tương tác bằng ngôn ng�?t�?nhiên một cách d�?dàng. Cung cấp b�?công c�?toàn diện và linh hoạt đ�?xây dựng ứng dụng phức tạp mà không cần đào tạo lại mô hình.

-----------------

Currently, ChatGPT and other large language models have become extremely popular, greatly assisting us in synthesis, information retrieval,....

However, these models only know about information that has been pre-trained. This means they lack knowledge of our own data and awareness of reliable information sources.

To enhance the ability to answer questions based on provided information, we can incorporate that information from a search step. This helps them provide more accurate answers without the need to retrain these large models. This is the idea behind Retrieval-Augmented Generation (RAG).

There are many tools and techniques available for this purpose, and in this post, we will introduce a method of utilizing the knowledge of ChatGPT on a specific dataset using technical tools such as LangChain and LlamaIndex.

Introduction to LangChain:

LangChain is a framework for developing applications using language models. It enables applications to:

Recognize data: Connect language models to various data sources.

Interact: Allow language models to interact with their environment.

Introduction to LlamaIndex:

LlamaIndex is a tool that simplifies the integration of large language models (LLM) into applications. It facilitates the combination of data from various sources and easy interaction through natural language. It provides a comprehensive and flexible toolkit for building complex applications without the need to retrain the model.

Mọi thông tin chi tiết xem tại: //www.facebook.com/dsociety.uit.ise/posts/pfbid0U9sb8eQ65eRt1ybZmZqXcs23b9RiWEPUfZbNHmQiVr555yqLw6NMKrC4nXd7yd1Bl

H�?Băng - Cộng tác viên Truyền thông trường Đại học Công ngh�?Thông tin