Chủ đề "Non-adaptive group testing: theory, design, potential applications, and open problems" sẽ tiếp nối trong chuỗi hoạt động #TalkSeries2019 của fit@hcmus trong tháng 10 này. Với sự trình bày của
Speaker: Dr. Bui Van Thach
Postdoctoral researcher at University of Padova, Padova, Italy.
Thử nhóm (group testing) là bài toán đi tìm một số phần tử đặc biệt trong quần thể lớn. Thuật ngữ "phần tử" hay tính chất "đặc biệt" tùy thuộc vào từng bài toán áp dụng cụ thể của thử nhóm. Vì chi phí về mặt thời gian và tiền bạc nếu kiểm tra xem từng phần tử có đặc biệt hay không quá lớn, việc gom một nhóm lại để kiểm tra xem liệu ít nhất một phần tử trong nhóm thỏa tính chất đặc biệt hay không sẽ giúp cho tổng chi phí giảm xuống rất nhiều.
Đây cũng chính là ý tưởng chính trong thử nhóm. Thử nhóm được ứng dụng rộng rãi trong hầu hết các lĩnh vực của khoa học máy tính như lý thuyết khoa học máy tính (theoretical computer science), máy học (machine learning), trí thông minh nhân tạo (AI), dòng dữ liệu (data streaming), mạng máy tính (networking), và thị giác máy tính (computer vision); và những lĩnh vực giao thoa với khoa học máy tính như sinh học phân tử, genomics, và khoa học não bộ.
Bài thuyết trình sẽ giới thiệu tổng quát về hướng nghiên cứu thử nhóm lý thuyết đến ứng dụng tiềm năng và những bài toán mở.
⏰Thời gian: 14:00 - 15:30, thứ 6 ngày 25/10/2019
����Địa điểm: Phòng I71, Lầu 7, tòa nhà I. 227 Nguyễn Văn Cừ, Phường 4, Quận 5, TP.HCM.
hoặc bạn có thể dùng QR code trên poster.
Hạn chót nhận đăng ký tham dự: 17:00 thứ 5 ngày 24/10/2019.
------------------------
Biography:
Bui Van Thach received the B.Sc. degree in information technology from University of Science, VNU-HCM, Vietnam, in 2012 and the Ph.D. degree in informatics from The Graduate University of Advanced Studies, SOKENDAI, Kanagawa, Japan, in 2019, respectively. He will be working as a postdoctoral researcher Fall 2019 with the University of Padova, Padova, Italy.
Dr. Thach is broadly interested in combinatorial group testing, computational biology, and security. He was the recipient of the 3rd SOKENDAI award for outstanding research work accomplished as an excellent doctoral thesis. He is currently a member of the IEEE Information Theory Society.
Abstract:
Identification of a few defective items in a large population of items is the main objective of group testing. Defective items satisfy a specific property while negative (non-defective) items do not. Instead of testing one by one item, which would cost lots of time and money, pooling a group of items to test the specific property is more efficient. Ideally, if there is at least one defective item present in the group, the test outcome is positive. Otherwise, the test outcome is negative. In general, ``item'', ``a specific property'', and by ``defective items'' depend on context. Formally, in classical group testing without noise, the outcome of a test on a subset of items is positive if the subset has at least one defective item and negative otherwise. As noise presents, an outcome may flip from positive to negative and vice versa. Revising how a test outcome is positive/negative would turn classical group testing into non-classical group testing. Group testing is widely applied in various areas of computer science such as theoretical computer science, machine learning, artificial intelligence, data streaming, networking, and computer vision, as well as areas of non-computer science such as molecular biology, genomics, and neuroscience.
In this talk, we first introduce group testing from theory and design to potential applications in non-computer science. Then we address several problems in classical and non-classical group testing.
Trân trọng kính mời!
#TalkSeries2019
#fithcmus