Thông báo sau cùng về khoá học ở Rạch Giá

Chỉ còn non 2 tuần nữa là lớp học ở Rạch Giá sẽ khai mạc. Tôi muốn nhân dịp này thông báo cùng các bạn có ý định tham dự mà chưa đăng kí thì nên đăng kí ngay từ hôm nay để ban tổ chức dễ bề sắp xếp. Nếu các bạn để đến gần kề cận ngày thì rất phiền phức và ban tổ chức sẽ không nhận thêm.

Xin nhắc lại là lớp học 5 ngày, từ 20/7 đến 24/7. Chương trình bao gồm khoảng 16 hay 17 bài giảng (tuỳ theo thì giờ cho phép) và bài tập về những vấn đề liên quan đến thiết kế nghiên cứu, phương pháp soạn bộ câu hỏi, cách ước tính cỡ mẫu, và các phương pháp phân tích dữ liệu dùng R. Tôi tin rằng sau lớp học, các bạn sẽ nắm được những nguyên lí căn bản và có khả năng làm những phân tích thiết thực.
Đây là lần đầu tiên lớp học được tổ chức ở miền Tây. Thủ tục rất phức tạp, nên sẽ không có một lớp thứ hai trong nhiều năm tới. Do đó, nếu các bạn ngoài vùng miền Tây muốn có dịp ghé qua Rạch Giá thì đây là thời điểm lí tưởng :-). Còn đối với các bạn ở miền Tây thì đây là dịp để tham dự (và không thể than phiền là tại sao không làm ở miến Tây).
Rạch Giá là thành phố rất thuận tiện. Các bạn ở xa có thể đi bằng máy bay (YES, Rạch Giá có sân bay đàng hoàng), mỗi ngày có 1 chuyến bay từ Sài Gòn về Rạch Giá và ngược lại. Các bạn ở gần gần thì có thể đi bằng xe đò (phương tiện favorite của tôi) hay xe Honda. Rạch Giá là nơi du lịch rất tốt, vì các bạn có thể đi Hà Tiên, ra Phú Quốc, hay về U Minh, tất cả chỉ có 1-2 giờ đi đường. Các khách sạn ở Rạch Giá giá rất phải chăng, chứ không quá đáng như ở Sài Gòn hay mấy thành phố hoa mĩ khác.  
Ban tổ chức là Trường ĐH Kiên Giang. Địa chỉ email liên lạc đăng kí là tthtqt@vnkgu.edu.vn, hoặc Phương (số đt 0916-762-461) hoặc Thiện (0979-808-308).
Cổng Tam Quan: một landmark của Rạch Giá được xây dựng từ thời Pháp 
TB: Nhân dịp này cũng xin thông báo trước cùng các bạn quan tâm là cuối năm nay (2016) chúng tôi sẽ tổ chức một khoá học 10 ngày về Data ScienceMachine Learning. Đây là khoá học advanced, dành cho các bạn đã qua các lớp cơ bản trước đây và các bạn đang đối phó với dữ liệu lớn trong khoa học và doanh nghiệp.