Năm 2019 sắp kết thúc, buổi nghiên cứu quý định kỳ lần 4 năm 2019 của các kỹ sư GMO- Z.com Việt Nam Lab Center đã diễn ra ngày 20/12 vừa qua.
Với tinh thần làm việc hăng say, đam mê nghiên cứu các kỹ thuật mới, trong buổi phát biểu nghiên cứu quý lần này, các kỹ sư của chúng tôi đã chia thành từng nhóm nghiên cứu và trình bày các nội dung như sau:
1.Đề tài nghiên cứu về RPA - UiPath: Kỹ sư T.H.Sang
-Nội dung chính của bài nghiên cứu: tìm hiểu về RPA (Robotic Process Automation) và công cụ UiPath.
-Tính ứng dụng: dùng để tạo Robot thay thế con người trong các công việc có tính lặp, chuẩn xác và khắt khe về thời gian như tổng hợp dữ liệu và báo cáo.
Kỹ sư Sang
2. Nhóm AI: Nhóm AI có 4 thành viên, và mỗi thành viên trong nhóm nghiên cứu 1 nội dung riêng biệt:
- Tìm hiểu về mô hình LSTM (Long short term memory) của kỹ sư P.V.Hậu.
-Nội dung chính: giải thích cơ sở lý thuyết mô hình RNN và LSTM
ứng dụng mô hình LSTM vào dự báo giá thị trường forex.
-Tính ứng dụng: ưng dụng mô hình LSTM vào giải quyết các bài toán với data dạng sequence, time series như dự báo giá tài chính, xử lý ngôn ngữ tự nhiên ...
Kỹ sư Hậu
- Phát biểu về Reinforcement Learning của kỹ sư H.M.Đường.
Nội dung nghiên cứu: Tìm hiểu lý thuyết cơ bản liên quan đến Reinforcement Learning, chuẩn bị nền tảng kiến thức để nghiên cứu sâu hơn những kĩ thuật hiện có trong Reinforcement Learning.
- Xác suất thống kê, phân bố xác suất của 2 kỹ sư T.T. Thành và L.M.Long
Những thứ tưởng chừng ngẫu nhiên nhưng lại không hề ngẫu nhiên dưới con mắt toán học.
-Tính ứng dụng: Ứng dụng xác suất thống kê để phân tích dữ liệu, đưa ra những câu trả lời chính xác về nhiều vấn đề trong đời sống.
Kỹ sư Thành TT
- Cuối cùng là nghiên cứu về Bayesian optimization for tuning model của kỹ sư N.T.Anh.
- Sử dụng bayesian framework cho bài toán tuning model, các khái niệm và thuật ngữ cơ bản của bayesian framework và bayesian tuning.
- Là 1 phương pháp tự động tìm kiếm hyper parameter phù hợp với bài toán machine learning với ít thời gian/tài nguyên hơn so với các phương pháp truyền thống như gridsearch và random search.
3. Nhóm System: Các thành viên trong nhóm trình bày những nội dung sau:
- Trình bày nghiên cứu về thực hiện bài toán Sentiment Analysis của kỹ sư T.P.Hiệu.
- Nội dung chính: Thử nghiệm các phương pháp giải quyết bài toán Sentiment Analysis cũng như text classification.
- Tính ứng dụng: Làm chatbot, làm con bot QA, phân lớp văn bản...
- Các thành viên còn lại trình bày về nội dung Tìm hiểu về Docker (network, storage, docker-compose).
- Nội dung nghiên cứu: Tìm hiểu về các driver có trong docker network, tìm hiểu các phương thức lưu trữ dữ liệu trong docker, tìm hiểu về docker-compose, cách viết file docker-compose, xây dựng một demo kết hợp cả 3 nội dung trên.
- Tính ứng dụng: Xây dựng các network giúp các container giao tiếp với nhau, lưu trữ dữ liệu khi container bị xóa,Docker-compose cho phép định nghĩa các service, network, volume. Sau khi định nghĩa xong sẽ run các container đồng thời.
4. Cuối cùng là nhóm Data Engineer: Các thành viên trong nhóm phát biểu về nội dung mà mình nghiên cứu :
- Tìm hiểu các kỹ thuật liên quan đến hadoop và thiết kế hệ thống của kỹ sư P. V.Đông.
Nội dung chính: Tìm hiểu các kỹ thuật liên quan đến hadoop và thiết kết hệ thống. Xây dụng và kết hợp Kafka, Druid, Superset để đua vào ứng dụng phân tích dữ liệu timeserie và OLAP
-Ứng dụng: Kết hợp với HDB và tạo ứng dụng phân tích timeserie và OLAP
- Nghiên cứu về ETL tranform data tool của kỹ sư N.T.Anh.
- Cuối cùng là bài phát biểu về phân tích dữ liệu forex do kỹ sư T.N.Thành trình bày.
-Nội dung chính: tìm hiểu nghiệp vụ forex, xây dựng 1 ứng dụng nhỏ dự đoán forex.
-Tính ứng dụng: dành cho người muốn chơi forex. người muốn
tìm hiểu và xây dựng 1 model LSTM đơn giản.
Chi nhánh Đà Nẵng
Công ty luôn tạo điều kiện và môi trường nghiên cứu tốt nhất cho các thành viên, các bạn kỹ sư có chung niềm đam nghiên cứu, tìm tòi những công nghệ, kỹ thuật mới, hãy gia nhập gia đình VNLAB chúng tôi để được thỏa sức với đam mê.
