Nhóm học sinh mang bom xăng tự chế lên đỉnh dốc giải quyết mâu thuẫn

Tinh thần hưng phấn, chắc chắn đoàn quân của HLV Nagelsmann sẽ tìm cách biến Hungary thành ‘nạn nhân’ tiếp theo trong cuộc chinh phục danh hiệu EURO 2024ngay trên sân nhà.

Hungary vì thế đã khó càng thêm khó trước Đức ở cuộc đấu lúc 23h tối nay, ngày 19/6, lượt trận thứ 2 bảng A EURO 2024.

Tính về thống kê đối đầu, người Đức đang nhỉnh hơn với 13 lần thắng, so với Hungary là 12 trong tổng số 37 lần so tài giữa họ.

Lần gặp gần nhất giữa họ chính là tại EURO 2020, khép lại bằng trận hòa căng thẳng 2-2 ở bảng F.

Điều thú vị là Đức chỉ thắng 1 trong 6 lần gần đây nhất trên sân nhà khi đấu Hungary và nó diễn ra cách đây đã 8 năm (2016).

Chuyên gia Sportskeeda đánh giá: Đức chơi ấn tượng ở trận mở màn và sẽ tìm cách tiếp tục phát huy điều đó cũng như khắc phục điều chưa được.

Hungary từng gây khó dễ cho Đức trong quá khứ nhưng họ sẽ phải đối đầu một đối thủ mạnh trong tối nay. Về mặt lý thuyết, Đức mạnh hơn và có thể chiếm ưu thế trên sân. Dự đoán: Đức 2-1 Hungary.

Chứng kiến màn ra quân hoành tráng của Đức 5-1 Scotland, chuyên gia Sportsmole tin rằng, đoàn quân của Nagelsmann có thể giành một chiến thắng đậm khác khi đấu Hungary, lượt trận thứ 2 bảng A EURO 2024.

“Lực tượng tấn công hùng hậu của Đức sẽ áp đảo Hungary, ngay cả khi kết quả đối đầu gần đây của họ với đối thủ không thực sự như ý. Đoàn quân của Nagelsmann sẽ thắng dễ Hungary và lấy vé sớm vào vòng đấu loại trực tiếp EURO 2024. Dự đoán: Đức 3-0 Hungary”. Đây cũng là tỷ sốđược chuyên gia bóng đá BBC Sport, Chris Sutton lựa chọn cho cặp đấu này, khi tin rằng Đức sẽ không thể bị Hungary ngăn cản!

Chuyên gia của Standard cũng không nghi ngờ gì việc Đức lấy vé sớm vào vòng loại trực tiếp EURO 2024, nhưng với một tỷ số vừa đủ: Đức 1-0 Hungary, kèm đánh giá: “Đoàn quân của Nagelsmann bước vào trận đấu với tư cách là ứng cử viên số 1 của EURO 2024 sau chiến thắng tưng bừng trước Scotland.

Hungary là đội được tổ chức tốt, giành 4 trong 6 điểm có thể ở 2 lần đối đầu với Đức tại Nations League vào tháng 6/2022. Nhưng họ khó tạo được cú sốc, ngăn Đức giành chiến thắng ở cuộc chạm trán lần này”.

Đội hình dự kiến:

Đức: Neuer; Kimmich, Tah, Rudiger, Mittelstadt; Andrich, Kroos; Musiala, Gundogan, Wirtz; Havertz

Hungary: Gulacsi; Orban, Lang, Szalai; Bolla, Nagy, Schafer, Kerkez; Sallai, Szoboszlai; Varga

Người hâm mộ bóng đá Việt Nam có thể tận hưởng trọn vẹn VCK UEFA EURO 2024 miễn phí trên TV360 tại: https://tv360.vn/

Dự đoán bóng đá Croatia vs Albania, bảng B EURO 2024: Thắng kịp lúc

Ngoài ra, trường này cũng công bố ngưỡng đảm bảo chất lượng đầu vào dựa trên kết quả thi đánh giá tư duy của ĐH Bách khoa Hà Nội năm 2023 là 50/100 điểm. Ngưỡng này áp dụng cho các thí sinh đăng ký xét tuyển vào một số ngành đào tạo tại Hà Nội.

Với các chương trình đào tạo tại phân hiệu TP.HCM, mức điểm sàn trường đưa ra dao động từ 16 - 21 điểm. 

Trường ĐH Công Đoàn cũng đã công bố điểm sàn theo phương thức xét tuyển dựa vào kết quả thi tốt nghiệp THPT. Mức điểm sàn dao động từ 15 – 18 điểm.

Ngành Luật có điểm sàn cao nhất với 18 điểm. Các ngành Quản trị kinh doanh, Tài chính - Ngân hàng, Kế toán và Quản trị nhân lực cùng lấy mức điểm sàn 17. Các ngành còn lại lấy 15 – 16 điểm.

Tại Học viện Thanh thiếu niên Việt Nam, mức điểm sàn theo phương thức xét tuyển điểm thi tốt nghiệp THPTtừ 15 điểm trở lên và không có môn thi trong tổ hợp bị liệt.

Trường Quản trị và Kinh doanh (ĐH Quốc gia Hà Nội)đưa ra điểm sàn dự kiến năm 2023 đối với  phương thức xét tuyển bằng điểm thi tốt nghiệp THPT.

Theo đó, ngành Quản trị Doanh nghiệp và Công nghệ, ngành Marketing và Truyền thông, ngành Quản trị và An ninh dự kiến cùng có điểm sàn là 22. Ngành Quản trị Nhân lực và Nhân tài có điểm sàn là 21.

Những thí sinh không thi tốt nghiệp môn tiếng Anh nhưng có chứng chỉ IELTS từ 5,5 trở lên hoặc tương đương sẽ được quy đổi điểm để sử dụng trong xét tuyển.

Tra cứu điểm chuẩn ĐH-CĐ năm 2023nhanh trên VietNamNet

ĐH Giao thông vận tải công bố điểm sàn năm 2023

Thanh tra tỉnh Vĩnh Long nêu tháng 5/2021, Chủ tịch UBND tỉnh ban hành quyết định về việc cho phép chuẩn bị đầu tư và giao các đơn vị lập báo cáo đề xuất chủ trương đầu tư các dự án mua sắm thiết bị tối thiểu để thực hiện chương trình giáo dục phổ thông giai đoạn 2021-2025.

Từ đó, Phòng GD-ĐT TP Vĩnh Long, thị xã Bình Minh và huyện Long Hồ thực hiện dự án đầu tư thiết bị thực hiện Chương trình đổi mới giáo dục phổ thông lớp 2 và lớp 6, mua sắm thiết bị dạy học tối thiểu cho 49 trường tiểu học và 28 trường THCS. 

Tổng giá trị phê duyệt dự án đầu tư của các dự án hơn 40 tỷ đồng, trong đó TP Vĩnh Long hơn 11 tỷ đồng; thị xã Bình Minh hơn 18 tỷ đồng và huyện Long Hồ hơn 9 tỷ đồng. 

Thanh tra tỉnh Vĩnh Long kết luận, 3 Phòng GD-ĐT nói trên chỉ căn cứ vào nhu cầu thực tế của các trường đề xuất, thiếu kiểm tra, đối chiếu số lượng của từng loại thiết bị, thiết bị dùng chung cho 2 môn học nhưng đề xuất riêng cho từng môn, dẫn đến đề xuất một số loại thiết bị có số lượng nhiều hơn quy định. 

Kết luận chỉ ra có 3/3 đơn vị tư vấn lập dự án không tiến hành khảo sát thực tế tại các trường, thiếu kiểm tra đối chiếu số lượng của từng loại thiết bị theo quy định, chỉ căn cứ vào số lượng do phòng GD-ĐT cung cấp, dẫn đến lập và phê duyệt dự án có một số loại thiết bị có số lượng nhiều hơn quy định.

Trong quá trình thẩm định giá, Phòng GD-ĐT thị xã Bình Minh yêu cầu thẩm định đối với mẫu động vật ngâm trong lọ từ 120 lọ lên 120 bộ (360 lọ), trình phê duyệt dự toán dự án, lập hồ sơ mời thầu, đấu thầu và cung cấp 120 bộ. Từ đó dẫn tới việc các trường được cấp 20 bộ (60 lọ) nhiều hơn quy định 7 lọ/phòng học bộ môn. 

Bàn ghế học mỹ thuật (2/3 dự án) đơn vị chỉ căn cứ vào thông số kỹ thuật đã được Sở GD-ĐT tỉnh Vĩnh Long thống nhất, thiếu kiểm tra, dẫn đến thông số kỹ thuật không đúng theo mô tả chi tiết thiết bị, làm cho việc sử dụng không đem lại hiệu quả cao.

Công tác thẩm định giá của 3/3 dự án đầu tư là Công ty TNHH thẩm định giá Tây Nam và thẩm định viên không thực hiện khảo sát thực tế, thu thập thông tin trên thị trường mà chỉ căn cứ 3 báo giá của 3 đơn vị để thẩm định giá, thực hiện không đúng quy trình. Có 1 báo giá được do thẩm định viên lập sẵn nhằm hợp thức đủ 3 báo giá…

Một dự án tại thị xã Bình Minh chưa phê duyệt quyết toán vốn đầu tư dự án hoàn thành. 

Kiến nghị xử lý các cán bộ 

Từ những vi phạm trên, cơ quan thanh tra kiến nghị  Giám đốc Sở GD-ĐT Vĩnh Long chấn chỉnh trong công tác quản lý, căn cứ vào chức năng nhiệm vụ được giao theo quy định kịp thời ban hành văn bản hướng dẫn các Phòng GD-ĐT và các đơn vị trực thuộc trong việc đầu tư, mua sắm thiết bị đúng theo quy định. 

Kiểm điểm trách nhiệm đối với phó trưởng phòng và công chức Phòng Tài chính – Kế hoạch trong việc tham mưu hướng dẫn mô tả chi tiết (bàn mỹ thuật) không đúng quy định. 

Thanh tra tỉnh kiến nghị Chủ tịch UBND TP Vĩnh Long và UBND huyện Long Hồ kiểm điểm trách nhiệm đối với 2 Trưởng Phòng GD-ĐT về những hạn chế, thiếu sót thanh tra đã kết luận. 

Kiến nghị Chủ tịch UBND thị xã Bình Minh kiểm điểm xử lý trách nhiệm đối với ông Lê Văn Thời, nguyên Trưởng Phòng GD-ĐT thị xã do không đối chiếu rà soát dẫn đến đề xuất số lượng nhiều hơn quy định và ký giấy yêu cầu thẩm định giá từ đó dẫn đến phê duyệt và thực hiện mua sắm vượt 80 bộ mẫu động vật với số tiền 216 triệu đồng. 

Kiểm điểm xử lý trách nhiệm đối với ông Nguyễn Bá Truyền, Phó trưởng phòng GD-ĐT thị xã, do vi phạm trong quá trình thực hiện dự án thiếu kiểm tra, dẫn đến thực hiện sai quy định... 

Sau khi kiểm điểm xử lý trách nhiệm, chuyển hồ sơ sang cơ quan có thẩm quyền để kiểm tra, xử lý theo quy định của Đảng.

Có đến 167 bài kiểm tra học kỳ I môn Địa lý lớp 7 của một trường THCS ở Vĩnh Long được chỉnh sửa nâng điểm từ thấp lên cao. 

Trí tuệ nhân tạo (AI) đã trải qua một chặng đường dài kể từ khi hình thành, với các kỹ thuật học máy và học sâu thúc đẩy những tiến bộ nhanh chóng trong lĩnh vực này. Tuy nhiên, bất chấp những tiến bộ ấn tượng, vẫn còn nhiều thách thức phải vượt qua trước khi AI thực sự có thể phát huy hết tiềm năng của mình. Một cách tiếp cận đầy hứa hẹn để giải quyết những thách thức này là sử dụng mạng Bayesian - một mô hình đồ họa xác suất mạnh mẽ có khả năng mở khóa các cấp độ hiểu biết và lý luận mới trong các hệ thống AI.

Mạng lưới Bayes được đặt theo tên của nhà toán học thế kỷ 18 Thomas Bayes, là một đồ thị chu kỳ được đánh dấu, đại diện cho một JPD qua một tập hợp các ngẫu nhiên các biến V. Nói một cách đơn giản hơn, chúng cung cấp một mô hình hóa các mối quan hệ phức tạp giữa các biến bằng cách nắm bắt cấu trúc xác suất cơ bản của dữ liệu. Điều này cho phép các hệ thống AI suy luận trong điều kiện bất biến, học tập từ nguồn dữ liệu hạn chế và đưa ra quyết định sáng suốt dựa trên dữ liệu sẵn có.

Một trong những ưu điểm chính của mạng Bayes là khả năng xử lý thông tin bất biến và khuyết thiếu. Trong nhiều tình huống thực tế, các hệ thống AI phải đưa ra quyết định dựa trên dữ liệu khuyết thiếu hoặc nhiễu. Các kỹ thuật máy học truyền thống, chẳng hạn như mạng thần kinh, thường gặp khó khăn trong các tình huống này vì chúng yêu cầu lượng lớn dữ liệu đào tạo để đạt được mức độ chính xác cao. Mặt khác, mạng lưới Bayesian có thể đưa ra dự đoán chính xác ngay cả khi phải đối mặt với hạn chế dữ liệu, vì chúng có thể kết hợp kiến thức trước đó và cập nhật thông tin khi có bằng chứng mới.

Một lợi ích khác của mạng lưới Bayesian là cung cấp được hệ thống AI có khả năng diễn giải và giải thích được. Khi các hệ thống AI dần được tích hợp nhiều hơn vào cuộc sống hàng ngày, điều quan trọng là chúng ta phải hiểu lý do đằng sau các quyết định đó. Cấu trúc đồ họa của mạng Bayesian cho phép ta có một hình dung rõ ràng về mối quan hệ giữa các biến, giúp con người dễ dàng hiểu được quá trình ra quyết định. Đây là điều cần thiết để xây dựng niềm tin vào các hệ thống AI trong hiện tại và tương lai và đảm bảo rằng chúng được sử dụng một cách có trách nhiệm và có đạo đức.

Hơn nữa, các mạng Bayes có thể được sử dụng để mô hình hóa quan hệ nhân quả, đây là một khía cạnh quan trọng trong lý luận và ra quyết định của con người. Mặc dù các kỹ thuật máy học truyền thống có thể xác định mối tương quan giữa các biến, nhưng chúng thường gặp khó khăn trong việc xác định mối quan hệ nhân quả làm nền tảng cho các mối tương quan này. Bằng cách mô hình hóa rõ ràng các mối quan hệ nhân quả, mạng Bayesian có thể giúp các hệ thống AI hiểu rõ hơn về cơ chế cơ bản của các hệ thống phức tạp và đưa ra các quyết định sáng suốt hơn.

Trong những năm gần đây, sự quan tâm trở lại đối với các mạng Bayesian trong cộng đồng nghiên cứu AI đã tăng lên. Điều này một phần là do sự phát triển của các thuật toán và kỹ thuật tính toán mới giúp làm việc với mạng Bayes có quy mô lớn dễ dàng hơn. Ngoài ra, lượng dữ liệu sẵn có ngày càng tăng lên, theo đó là các ứng dụng AI ngày càng trở nên phức tạp đã làm nổi bật nhu cầu về khả năng suy luận và ra quyết định phức tạp hơn.

Mạng Bayes đã đem lại nhiều hứa hẹn trong lĩnh vực chăm sóc sức khỏe. Bằng cách mô hình hóa các mối quan hệ phức tạp giữa các triệu chứng của bệnh nhân, tiền sử bệnh và các phương pháp điều trị, mạng lưới Bayesian có thể giúp các bác sĩ đưa ra các khuyến nghị điều trị và chẩn đoán chính xác hơn. Điều này cải thiện đáng kể kết quả phục hồi của bệnh nhân và giảm chi phí chăm sóc sức khỏe.

Một ứng dụng hứa hẹn khác của mạng Bayesian nằm trong lĩnh vực xe tự lái. Bằng cách mô hình hóa các tương tác phức tạp giữa phương tiện, người đi bộ và môi trường xung quanh, mạng Bayesian có thể giúp cải thiện độ an toàn và độ tin cậy của ô tô tự lái. 

(Theo Dtgreviews)