Câu lạc bộ Công nghệ thông tin - Đại học Tây Đô

Khoá học miễn phí trên Udemy

Introduction to iOS 11 Development: Swift 4 and Xcode 9 Learn the basics of iOS 11 Development in this free course! We'll cover swift and make 2 complete applications! - Free Course

Phiếu khảo sát ý kiến về chương trình đào tạo CNTT mời quý doanh nghiệp điền khảo sát giúp! Thank you rất nhiều nhiều!

Phiếu Khảo Sát Sự Hài Lòng Về Chất Lượng Chương Trình Đào Tạo Với mục tiêu nâng cao chất lượng chương trình đào tạo (CTĐT) và nhằm đáp ứng nhu cầu của nhà sử dụng lao động. Trường Đại học Tây Đô trân trọng kính nhờ quý Ông/Bà là đại diện của Cơ quan/Tổ chức có sử dụng người lao đ.....

BTC Google Study Jams.

UET có diễn ra chương trình Google Study Jams vào 16/03 kèm theo đó là 2 tiền sự kiện được diễn ra vào 23/02 và 09/03.

Đây là một sự kiện vô cùng hấp dẫn và hứa hẹn sẽ đem lại rất nhiều kiến thức bổ ích cho sinh viên về lĩnh vực Cloud Computing - một công nghệ đang rất hot trong cuộc cách mạng công nghiệp 4.0.

Lĩnh vực Cloud Computing.

Link sự kiện: bit.ly/studyjams-event
Bài share event: https://docs.google.com/document/d/1ZDMQCGLlOZbZCYUhTqN_DCJ_W2ZCYwUDKGUUikl-0Ds/edit?usp=sharing

bit.ly

Một bài báo về học thuật của Thạc sỹ Quách Luyl Đa đã được xuất bản trong tạp chí International Journal of Advanced Computer Science and Applications (IJACSA) có chỉ số SCIE và Scopus. Nội dung tóm tắt như sau:
This paper addresses several critical agricultural classification problems, e.g. grain discoloration and medicinal plants identification and classification, in Vietnam via combining the idea of knowledge transferability and state-of-the-art deep convolutional neural networks. Grain discoloration disease of rice is an emerging threat to rice harvest in Vietnam as well as all over the world and it acquires specific attention as it results in qualitative loss of harvested crop. Medicinal plants are an important element of indigenous medical systems. These resources are usually regarded as a part of culture’s traditional knowledge. Accurate classification is preliminary to any kind of intervention and recommendation of services. Hence, leveraging technology in automatic classification of these problems has become essential. Unfortunately, building and training a machine learning model from scratch is next to impossible due to the lack of hardware infrastructure and finance support. It painfully restricts the requirements of rapid solutions to deal with the demand. For this purpose, the authors have exploited the idea of transfer learning which is the improvement of learning in a new prediction task through the transferability of knowledge from a related prediction task that has already been learned. By utilizing state-of-the-art deep networks re-trained upon our collected data, our extensive experiments show that the proposed combination performs perfectly and achieves the classification accuracy of 98.7% and 98.5% on our collected datasets within the acceptable training time on a normal laptop. A mobile application is also deployed to facilitate further integrated recommendation and services.

thesai.org