Đánh giá tập san khoa học: chỉ số eigenfactor

Đánh giá tập san khoa học: chỉ số eigenfactor from Tuan's Blog

Đánh giá tầm ảnh hưởng và uy danh của một tập san khoa học càng ngày càng trở thành đề tài … nóng. Trước đây (và cho đến ngày nay), nhiều đại học và trung tâm nghiên cứu vẫn dựa vào chỉ số ảnh hưởng (impact factor – IF) để đánh giá chất lượng một tập san. Dù chỉ số này bị phê phán rất nhiều, nhưng trong thực tế thì nó không phải vô dụng như nhiều người tưởng. Gần đây, có một phát kiến mới để đánh giá tầm ảnh hưởng của một tập san: đó là chỉ số eigenfactor (viết tắt là EF). Theo tôi, đây là một phát kiến hay và cần xem xét trong việc đánh giá khoa học nói chung.

Đánh giá tầm ảnh hưởng và uy tín của một tập san khoa học là việc làm cần thiết của cả hai nhóm người: giới quản lí khoa học và nhà khoa học. Đối với những người quản lí khoa học, họ muốn biết tiền tài trợ cho nghiên cứu có xứng đáng “đồng tiền bác gạo”, có đem lại hiệu quả hay không. Dĩ nhiên, “hiệu quả” ở đây có thể đo lường bằng nhiều tiêu chí. Tiêu chí đánh giá có thể là sản phẩm có thể ứng dụng ngay trong thực tế, là bằng sáng chế, hay bài báo khoa học. Phần lớn các nghiên cứu cơ bản, sản phẩm chính vẫn là những bài báo khoa học. Nhưng trong hàng vạn tập san khoa học, giới quản lí nếu không phải là người trong chuyên ngành hay thậm chí không phải là người làm khoa học thì làm sao có thể biết tập san nào có chất lượng cao hay thấp.

Chất lượng tập san có thể hiểu là tầm ảnh hưởng, và tầm ảnh hưởng của tập san là số lần trích dẫn. Một tập san công bố nhiều công trình khoa học mà không ai trích dẫn thì đó là tín hiệu cho thấy tập san có chất lượng thấp, và tầm ảnh hưởng cũng thấp. Một nhận định tương tự cho một bài báo khoa học. Một trong những chỉ số được tính toán từ số lần trích dẫn là chỉ số ảnh hưởng (impact factor hay IF). Trước đây (và cho đến nay) giới quản lí khoa học vẫn hay dựa vào chỉ số ảnh hưởng (IF) để đánh giá chất lượng một tập san khoa học. Ở Trung Quốc và nhiều đại học phương Tây, người ta thưởng cho nhà khoa học có bài công bố trên những tập san có IF cao. Tác giả nào có bài trên tập san có IF càng cao, thì tiền thưởng càng lớn.

Có thể giải thích IF qua một ví dụ như sau: nếu năm 2000 và 2001 tập san ABC công bố 100 bài báo, và trong năm 2002, 100 bài này được trích dẫn 2000 lần, thì IF năm 2002 của ABC được tính là 2000 / 100 = 20. Chỉ số IF rất khác biệt giữa các lĩnh vực khoa học, với những tập san ngành khoa học xã hội thường có IF thấp hơn các tập san khoa học tự nhiên và y sinh học. Do đó, IF chỉ có nghĩa trong mỗi chuyên ngành, chứ rất khó so sánh giữa các ngành. Tuy nhiên, đối với các tập san khoa học tổng quát như Science hay Nature thì IF được xem như là tiêu chuẩn vàng để các tập san khác so sánh.

Vấn đề lớn nhất của IF là chỉ số này chỉ phản ảnh tầm ảnh hưởng trong vòng 2 năm. Nhưng một số nghiên cứu gần đây cho thấy thời gian 2 năm có lẽ quá ngắn để đánh giá tầm ảnh hưởng; phần lớn các ngành khoa học, thời gian cần thiết để đánh giá là 5 năm. Nếu sau 5 năm mà vẫn chẳng có ai trích dẫn công trình nghiên cứu thì đó có lẽ là tín hiệu cho thấy nghiên cứu đó chẳng có ảnh hưởng gì (dĩ nhiên, không loại trừ vài trường hợp hiếm hoi có công trình đòi hỏi 20 năm sau mới được ghi nhận).

Vấn đề thứ hai của IF là cách tính số lần trích dẫn không xem xét đến “uy danh” của tập san trích dẫn. Để hiểu vấn đề, chúng ta thử so sánh 2 tập san như sau:

Tập san A công bố 50 bài, và nhận được 90 lần trích dẫn từ những tập san danh tiếng (như Science, Nature, PNAS, Cell) và 10 lần trích dẫn từ những tập san từ China;

Tập san B cũng công bố 50 bài, và nhận được 10 lần trích dẫn từ những tập san danh tiếng, và 90 lần trích dẫn từ những tập san từ China.

Theo cách tính chỉ số IF thì hai tập san trên có IF như nhau (100 / 50 = 2). Nhưng nếu nhìn kĩ, chúng ta thấy tập san A chắc phải có uy danh cao hơn tập san B, vì A được nhiều tập san danh tiếng trích dẫn hơn tập san B.

Eigenfactor

Để khắc phục những yếu điểm đó của IF, hai nhà khoa học Mĩ Jevin West và Carl Bergstrom (ĐH Washington) đề xuất một chỉ số mới để đánh giá tầm ảnh hưởng của một tập san. Họ gọi đó là chỉ số Eigenfactor (EF). Chỉ số EF vẫn dựa vào số lần trích dẫn, nhưng là số lần trích dẫn trong 5 năm (chứ không phải 2 năm như IF). Như có lần đề cập trước đây, thời gian 5 năm là lí tưởng để đánh giá tầm ảnh hưởng của một công trình khoa học. Hệ số tương quan giữa số lần trích dẫn trong vòng 5 năm và tổng số lần trích dẫn là khoảng 0.81-0.91 cho ngành y sinh học, 0.85 cho hoá học, 9.75 cho toán học, 0.87 cho vật lí, và 0.79 cho khoa học xã hội.

Ngoài ra, EF còn cho trọng số của những tập san trích dẫn, và do đó, khắc phục một yếu điểm quan trọng của IF. Triết lí của EF cũng giống giống như triết lí tell me who your friends are and I will tell you who you are (có thể hiểu nôm nà là: nói cho tôi biết bạn của bạn là ai thì tôi sẽ cho biết bạn là người như thế nào). Nếu tập san công bố những bài báo được các tập san danh tiếng khác trích dẫn thì đó là một tín hiệu cho thấy tập san thuộc vào đẳng cấp cao.

Jevin West và Carl Bergstrom còn đề xuất một chỉ số khác có tên là Article Influence (AI). Chỉ số AI đo lường tầm ảnh hưởng của những bài báo trong tập san. AI được tính bằng cách lấy EF chia cho số bài báo tập san công bố và chuẩn hoá cho sao cho AI trung bình là 1. Nói cách khác, nếu một tập san có AI bằng 0.1 thì tập san đó có tầm ảnh hưởng thấp hơn trung bình (là 1), nhưng nếu tập san có AI 1.2 thì tầm ảnh hưởng của tập san đó cao hơn trung bình 20%.

Ngày nay, chỉ số EF và AI càng ngày càng phổ biến. Ngay cả Thomson ISI cũng sử dụng hai chỉ số này để xếp hạng các tập san khoa học. Tuần vừa qua, người viết bài này có dịp thảo luận với một số đồng nghiệp từ các đại học bên Mĩ và Úc, và cả đại diện ISI, và biết rằng trong tương lai gần, có lẽ ISI sẽ đưa EF và AI chính thức làm chỉ số đánh giá uy tín và tầm ảnh hưởng của tập san, và cũng là một cách thay thế chỉ số IF.

Các nhà khoa học phát kiến chỉ số EF và AI còn lập ra một website để tất cả chúng ta có thể tra cứu từng tập san. Địa chỉ trang web là http://eigenfactor.org. Tôi thử tra cứu một số tập san trong nhóm nội tiết thì thấy 10 tập san hàng đầu như sau:

Hạng / Tập san	EF	AI
1 J Clin Endocrinol Metab	0.128	2.00
2 Diabetes Care	0.114	2.44
3 Diabetes	0.104	2.92
4 Endocrinology	0.086	1.50
5 Cell Metab	0.071	8.61
6 Diabetologia	0.059	2.20
7 Free Radical Bio Med	0.053	1.58
8 Obesity	0.053	1.59
9 J Bone Miner Res	0.048	2.25
10 Am J Physiol Endo Metab	0.048	1.59

Tập san	EF	AI
Science	1.412 (100)	17.52 (100)
Nature	1.655 (100)	20.37 (100)
PNAS	1.601 (100)	4.90 (100)
Nature Genetics	0.329 (100)	17.58 (100)
JAMA	0.286 (100)	13.11 (100)
Lancet	0.361 (100)	13.61 (100)
New Engl J Med	0.664 (100)	21.30 (100)
Ann Int Med	0.121 (99)	7.91 (99)
Bone	0.040 (96)	1.42 (89)
Osteoporosis Int	0.029 (94)	1.50 (90)
Arch Int Med	0.107 (99)	4.76 (99)

Tập san khác

Ghi chú: Số trong ngoặc là thứ hạng tính trên phần trăm. Chẳng hạn như Science có EF là 1.412, đứng hàng top 100 các tập san về khoa học tổng quát, còn Bone có EF 0.04, đứng hạng top 4% trong lĩnh vực loãng xương.

Tuy chỉ số EF đang được giới nghiên cứu về đánh giá khoa học chú ý, nhưng tôi vẫn thấy không thoải mái với chỉ số này. Lí do đơn giản là vì rất khó kiểm tra giả định đằng sau cách tính toán. Ngoài ra, phương pháp tính toán cũng rất phức tạp, mà có người cho là "black box" (hộp đen), nên rất khó hiểu chính xác chỉ số EF có nghĩa thật là gì. Chúng ta có thể hiểu ý nghĩa chung và có thể so sánh qua EF, nhưng chúng ta không rõ nó có ý nghĩa thật là gì. Tuy nhiên, một phân tích gần đây cho thấy chỉ số EF có tương quan rất cao với IF (hệ số tương quan là 0.93). Do đó, dù EF có cải tiến về mặt lí thuyết, nhưng trong thực tế thì chẳng khác mấy so với IF. Trong trường hợp này, có thể nói rằng chỉ số IF (dù bị chỉ trích và phê phán rất nhiều) vẫn có giá trị thực tế của nó và rất dễ hiểu! Có lẽ phương pháp Eigenfactor cung cấp cho chúng một cách đánh giá khách quan hơn là dựa vào cả hai IF và AI để xếp hạng tập san khoa học.


Tham khảo:

Có thể tìm IF của tập san tại địa chỉ sau đây:
http://www.impactfactorsearch.com

Bergstrom CT, West JD, Wiseman MA. The Eigenfactor™ Metrics. Journal of Neuroscience 2008;28: 11433–11434.

Fersht A. The most influential journals: Impact Factor and Eigenfactor. PNAS 2009; 106:6883-4

Davis PM. Eigenfactor: Does the principle of repeated improvement result in better estimates than raw citation counts? J Am Soc Info Sci Tech 2008;59:2186–2188

Moving from impact to influence: measurement and the changing role of medical journals. Eur Heart J 2012 33 (23) 2892-2896

What does the future hold for Cardiovascular Research? Cardiovasc Res 2013 97 (1) 1-3

JOURNAL LIST

SCIENCE CITATION INDEX - ROBOTICS - JOURNAL LIST

1. AUTONOMOUS ROBOTS
2. MECHATRONICS

3. IEEE TRANSACTIONS ON ROBOTICS
4. IEEE-ASME TRANSACTIONS ON MECHATRONICS

5. IEEE CONTROL SYSTEMS MAGAZINE

6. IEEE TRANSACTIONS ON AUTOMATIC CONTROL

7. IEEE TRANSACTIONS ON AUTOMATION SCIENCE AND ENGINEERING

8. IEEE TRANSACTIONS ON CONTROL SYSTEMS TECHNOLOGY

9. IEEE TRANSACTIONS ON HUMAN-MACHINE SYSTEMS

10. IEEE-ASME TRANSACTIONS ON MECHATRONICS

11. IET CONTROL THEORY AND APPLICATIONS

12. SIAM JOURNAL ON CONTROL AND OPTIMIZATION

13. SYSTEMS & CONTROL LETTERS

14. MATHEMATICS OF CONTROL SIGNALS AND SYSTEMS

15. INTERNATIONAL JOURNAL OF CONTROL

16. INTERNATIONAL JOURNAL OF ROBOTICS RESEARCH

17. INTERNATIONAL JOURNAL OF ROBOTICS & AUTOMATION

18. JOURNAL OF PROCESS CONTROL

19. JOURNAL OF MECHANISMS AND ROBOTICS-TRANSACTIONS OF THE ASME

20. ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING

CC/ENGINEERING, COMPUTING & TECHNOLOGY - Engineering Mathematics - JOURNAL LIST
1. DISCRETE & COMPUTATIONAL GEOMETRY
2. DISCRETE APPLIED MATHEMATICS

3. DISCRETE OPTIMIZATION

4. ESAIM-CONTROL OPTIMISATION AND CALCULUS OF VARIATIONS
5. SIAM JOURNAL ON CONTROL AND OPTIMIZATION

6. SIAM JOURNAL ON DISCRETE MATHEMATICS

ISI, SCI, SCIE, Impact Factor, Citation Index

Giải thích các chỉ số:

– ISBN (International Standard Book Number). Đây là mã số chuẩn quốc tế để xác định một quyển sách.

– ISSN (International Standard Serial Number) là mã số chuẩn quốc tế cho xuất bản.

– IF: impact factor – chỉ số trích dẫn.

Phân loại:

– ISI (Institute for Scientific Information, ISI, Hoa Kỳ): cơ quan xét chọn chất lượng tạp chí.

– SCI (Science Citation Index) các tạp chí thuộc lĩnh vực khoa học tự nhiên, kỹ thuật, công nghệ (khoảng 4000 tạp chí)

– SCIE (Science Citation Index Expanded) là SCI mở rộng, khoảng 7000 tạp chí.

– SSCI (Social Science Citation Index) khoảng 2000 tạp chí

– A&HCI (Arts & Humanities Citation Index) với khoảng 1.200 tạp chí xuất bản

ISI lúc đầu (năm 1960) chỉ bao gồm tập hợp SCI. Về sau SCI mở rộng thành tập hợp SCIE (http://science.thomsonreuters.com/cgi-bin/jrnlst/jlsubcatg.cgi?PC=D). Hiện nay, ISI còn bao gồm tập hợp SSCI và A&HCI . Như vậy, ISI là tập hợp bao hàm cả SCI, SCIE, SSCI và A&HCI với tổng cộng khoảng 10.000 tạp chí khoa học có chất lượng cao.

http://grindeq.com/index.php?p=latex2word

LaTeX-to-Word

This module converts LaTeX, AMS-LaTeX, Plain TeX, or AMS-TeX documents to Microsoft Word format. You can choose the following formats for TeX/LaTeX equations: Microsoft Equation, old Equation 3.x, or MathType. Works with Microsoft Word and Microsoft Windows.

Try also our online conversion service.

Main features

• Support for LaTeX, AMS-LaTeX, Plain TeX, and AMS-TeX;
• Support for BibTeX bibliographies;
• Choosing either Microsoft Equation, old Equation 3.x, or MathType format for converted equations;
• Choosing either LaTeX cross-referencing algorithm or Microsoft Word cross-referencing fields;
• Linking images;
• Support for ANSI, OEM, MAC, Unicode, or UTF-8 encoding in LaTeX files;
• Converting a whole LaTeX document or a selected part;
• Support for batch processing;
• Multi-language interface;
• Microsoft Word 32-bit and 64-bit compatible.

LaTeX-to-Word in 3 steps (Click on image to view full size) Open your LaTeX document (*.tex) in Microsoft Word; Update cross-references if needed; Save the converted document as 'Word Document' using standard Save As menu. See also How to convert a part of your document How to convert multiple documents How to use GrindEQ menu

Notes

• Conversion of large documents consumes a lot of CPU time and disk space. Thus the system may seem unresponsible while processing such documents. It is recommended to split large LaTeX documents into parts of about 50-60 pages before importing.
• Some of our customers report of successful launches under Linux+Wine, but GrindEQ does not provide technical support for Linux.
• Please see GrindEQ LaTeX-to-Word Help for more information.

Using GrindEQ menu

Depending on your Microsoft Word Add-Ins and Macro settings, GrindEQ menu will appear in the Microsoft Word Ribbon.

By using GrindEQ buttons you can convert a selected part of your document into the necessary format. Just select a part of your document you want to convert and press the appropriate GrindEQ button. Please read GrindEQ Help to learn more possibilities you can get with GrindEQ buttons.

Converting multiple documents

Open the documents you want to convert in Microsoft Word. Select GrindEQ converter in GrindEQ menu, then select Convert all opened documents. Please see GrindEQ Help for more information.

Download Example (example.zip)

Use LaTeX-to-Word 64-bit if and only if you have Microsoft Word 64-bit installed on your machine.

Download LaTeX-to-Word (GrindEQ_LaTeX-to-Word_2016.exe)

(GrindEQ_LaTeX-to-Word_2016.zip)

Download LaTeX-to-Word 64-bit (GrindEQ_LaTeX-to-Word_2016_x64.exe)

(GrindEQ_LaTeX-to-Word_2016_x64.zip)

Online conversion service

Kinh nghiệm học Toán học.

Toán là môn trong những môn học cực kỳ quan trọng cho tất cả học sinh, sinh viên và kể cả nghiên cứu sinh hay những nhà làm khoa học, kinh tế. Sau khi tìm hiểu thông tin về việc tiếp cận đến môn Toán như thế nào để đạt được kết quả tốt cho việc nghiên cứu trong tương lai, tôi đã tham khảo từ hai nguồn hướng dẫn sau:

1. by Martin Greenhow at http://people.brunel.ac.uk/~mastmmg/ssguide/sshome.htm
2. by Paul at Math Tutorials

General tips for Studying Mathematics:

Mathematics is cumulative:

You’ve always got to remember that mathematics courses are cumulative.  Almost everything you do in a math class will depend on subjects that you’ve previously learned.  This goes beyond just knowing the previous sections in your current class to needing to remember material from previous classes.

Bạn phải luôn nhớ rằng các khóa Toán học là 1 sự tích lũy. Hầu hết những điều bạn làm ở lớp toán sẽ phụ thuộc vào những môn học mà bạn học trước đó. Những môn này ngoại trừ những phần trước trong lớp học hiện tại mà cần phải nhớ tài liệu từ những lớp học trước đó.

Listen during class: In order to get something out of class, you need to listen while in class. Sometimes important ideas will not be written down on the board, but instead just spoken by the instructor.
Watch for the things the instructor emphasizes, even if just in words. The more important that an instructor thinks a topic, the more likely that it will show up on the exam.
Ask questions: If you don't understand something then ask your instructor.
Listen when others ask questions: When other students ask questions, make sure you listen both the questions and the answer. It may be that the student asking the question thought of something that you didn't think of.
Review Notes After Class: After each class, you should review your notes. Note the topics that you found confusing and formulate questions that you can ask your instructor or tutor to help you understand the topic.
Budget Adequate Time For Studying/Homework: It often takes more time studying mathematics to learn the subject than you may require in other classes.

Homework will often take more time than you had originally thought it would. Bài tập về nhà sẽ chiếm nhiều thời gian hơn là bạn nghĩ.

Do homework after each class: At the end of each class budget, some time to look over the homework from that days lecture and attempt to do it. Doing this will allow you time to really work at understanding the concepts covered that day.

Do homework without notes and book: After the first few homework problems, put your notes and book up and try to do the remaining problems without referring to your notes and/or book.
Practice, pratic, practice: Practice as mus as possible. The only way to really learn how to do problems is working lots of them. The more you work, the better prepared you will come in exam time.

Taking notes

Listen in class: Do not just write down what you see on the board. No instructor is going to write down every word they say and sometimes the important ideas won't get written down.
Write down explanatory remarks: Make sure you write down any explanatory remarks the instructor makes.
Note important formulas/concepts: If an instructor emphasizes a particular formula or concept then make note of it.
Note topics you don't understand: If you are having trouble understanding something being presented, note that in the margin and at least write down the keywords. Leave yourself a couple of lines so you can fill in the missing details later once you've gotten help to understand the concept.
Review/Edit your notes: As soon you can after class, go back over your notes. Look for any error and/or omissions. Fill in any information you didn't have time to write down in class.
Review regularly: At regular intervals, sit down and review your notes so that you can learn and retain the information. Remember, that this information will probably be required down the road so it's best to learn it as soon as possible.

down the road: in the future

Chọn Gaming hay Workstation cho việc dựng hình 3D?

From: http://www.dankythuat.vn
Chào các bạn, mình là một designer chuyên về kỹ thuật lập trình ảo hóa và cơ khí chế tạo. Một thời gian dài mình luôn có tư tưởng là dùng máy Gaming để làm đồ họa điển hình với mình là 3D và ảo hóa, vì giá thành không quá đắt và còn có thể chơi game được (ai cũng có nhu cầu giải trí mà). Mình may mắn khi được một anh bạn làm trong ngành kinh doanh laptop giới thiệu mình với các dòng máy trạm và thật sự mình đã thay đổi hoàn toàn quan niệm và khái niệm của mình về việc chọn 1 chiếc máy tính cho công việc lẫn giải trí, tất nhiên là công việc được ưu tiên nhiều hơn.


Trước khi đi vào nội dung mình cần nói sơ về 1 số khái niệm như sau, ở đây mình chỉ nói đến laptop thôi nha (có có thể áp dụng khoảng 70% lý thuyết này vào desktop). Quan điểm, không có 1 cái máy tính nào có thể đảm bảo được việc vừa dựng hình và xuất hình ảnh tốt cả (rendering) vậy máy tính dựng hình và máy tính render cần gì? Người ta xây dựng các dòng máy đều có mục đích riêng biệt, gaming để chơi game và workstation dành cho công việc, thế thì tại sao gaming lại vẫn làm tốt công việc dựng hình và cả render lý do rất đơn giản: việc dựng hình cần 1 CPU có xung nhịp cao (clock) để đảm bảo các tác vụ tốt nên intel mới đẻ ra cái vụ Turboboots có tác dụng tiết kiệm điện năng và đẩy nhanh tốc độ, còn hyperthread nhằm tạo ra số nhân ảo gấp đôi số nhân thật để đẩy nhanh tốc độ xử lý, ở đây là truy xuất dữ liệu nhưng nhược điểm của nó là xung nhịp của CPU sẽ không ổn định. Thế ta cần quan tâm gì cho máy tính dựng hình và máy tính render?

1. Máy tính dựng hình thì hoàn toàn có thể dùng laptop gaming hay worksation dùng các dòng chip bình thường như i5, i7, xeon, đặc biệt với Xeon thì phải bật chế độ hyperthread đi nha. Còn card đồ họa, RAM, ổ lưu trữ thế nào mình sẽ nói ở phần dưới.

2. Máy tính render cần gì? Theo quan niệm của người Việt thì cứ xung nhịp cao là sẽ nhanh, CPU có nhiều core render nhanh, RAM nhiều Render nhanh, các quan niệm về số lượng này làm cho các bạn tốt tiền vô ích vì các bạn đã hiểu sai hoàn toàn về render. Render nhanh hay chậm là phụ thuộc vào bằng thông xử lý và số lần nhấp nhả 1 chu kỳ xung nhịp của CPU, trong thuật ngữ chuyên môn của Intel được là QPI. Nếu các bạn để ý các CPU XEON chuyên dụng render có xung nhịp không cao không phải vì nó cao mà nó mắc đâu, mà các bạn nên để ý số QPI của nó, và nó lớn hơn 1 đến 1.5 và cao nhất là 4 hay 6 lần với 1 CPU core i bình thường. Khi các bạn render hình ảnh thì CPU đơn thuần xử lý bằng Clock, nhưng với 3D thì QPI là điều quyết dịnh tốc độ render. Ví dụ bạn xử dụng 1 máy tính render có 32 ô khi render và 1 máy tính chỉ có 16 ô khi render thì liệu máy tính 32 ô sẽ nhanh hơn 16 ô chăng, nếu máy tính 16 có khả năng fill đầy 1 ô nhanh hơn 4 lần 1 máy 32 khi render các bạn sẽ thấy 16 ô nó sẽ nhanh hơn cả 32 ô. Điều này được đề cập vì có nhiều bạn mua những máy trạm cũ cứ nghĩ là nó chạy 16 nhân 32 luồng với 2 CPU thì nghĩ nó chạy nhanh hơn mấy con đời mới, nhưng thật ra là chậm hơn, và điều đáng nói là nhưng công nghệ mới trong CPU mới được cập nhật hỗ trợ cho phần mềm của các bạn rất nhiều, ví dụ các bạn xài VRAY 3.6 mới và 3Dsmax 2017 thì các bạn sẽ thấy phần mềm hỗ trợ phần cứng thế nào.

Vậy chúng ta cần một chiếc máy tính thế nào khi là một designer sử dụng các phần mềm kỹ thuật và dựng hình 3D, ở đây 2D thì các bạn có thể dùng các dòng máy GAMING và có cái màn hình đạt chuẩn 99% Adobe RGB đc rồi (Dell XPS hiện tại đang là chiếc máy giá ổn và có thể mua được).

CPU

Thường thì các hệ thống với CPU phổ thông là core i5 và i7, nhưng với những dòng máy workstation thì các bạn sẽ có chọn lựa CPU XEON mobile. Với các CPU i7 hay i5 thì sẽ ko tùy biến gì nhiều nhưng với XEON các bạn nên làm những điều này:

Khi vẽ các bạn hãy bật Hyperthread để có thể thực hiện tác vụ mượt mà nhất và ko giật lắc khi dựng hình.
Khi render là để máy 1 chỗ và ko đụng chạm gì thì các bạn sẽ tắt công nghệ hyperthread đi để CPU XEON sẽ chạy đc Max Clock, điều này mình đã kiểm chứng nhiều lần ở XEON 1535v5 và 1505v6 khi bạn bật hyperthread lên 1 CPU có xung nhịp 4.0Ghz chỉ chạy ở xung 3.5Ghz, nhưng khi render bạn tắt Hyperthread đi thì nó chạy 4 core full ở 4Ghz và tốc độ render đc cải thiện cực kỳ đáng kể (nhanh hơn khoảng 10% thời gian). Mình phát hiện ra điều này, khi mình dùng Dell Precision Optimizer khi các bạn sử dụng phần mềm có bật chế độ optimizer nó sẽ bắt bạn khởi động lại máy và tắt đi công nghệ hyperthread, và đôi lúc nó chỉ cho máy chạy có 2 Cores thay vì 4 cores. Nhiều bạn cứ bảo là do Window của Precision nhưng thật ra là do Dell Optimizer nó điều chỉnh các bạn nhé. Các bật lên lại là vào BIOS setup lại như hình bên dưới các bạn nhé.


Khi các bạn sử dụng Dell Optimizer nó sẽ chỉnh xuống là 2.


Dell Optimizer sẽ tắt Turboboost để render ổn định hơn.


Dell Optimizer sẽ tắt luông công nghệ ảo hóa để render ổn hơn
​RAM

Chúng ta sẽ chọn RAM như thế nào, và bao nhiêu là đủ với laptop, ở đây mình nói luôn với máy bàn. Khi các bạn dùng RAM với các dòng i5 và i7 thì dùng ram đúng chuẩn là được, điều các bạn cần quan tâm khi dựng hình trong 3D để hệ thống có thể render và load ổn định thì 32G là con số khuyên dùng. Với các dòng GAMING thì thường là 2 slot RAM, nhưng với các dòng mobile Worksation thì các bạn sẽ có 4 khe RAM, một số dòng máy gaming 17 hay 18 inch sẽ có 4 khe (max có bạn có thể nâng 64G).

Với Chip XEON thì chúng ta sẽ có 1 loại RAM đặc biệt là ECC là loại RAM đặc biệt dùng cho XEON và chỉ XEON mới hỗ trợ. Loại RAM này cũng hỗ trợ rất mạnh với các dòng VGA QUADRO và FIREPRO. Nếu muốn phát huy hết hiệu quả của XEON thì bắt buộc các bạn phải dùng ECC. Gắn RAM thường được ko, đc nhưng nó chạy như shit ấy. Với các máy trạm 2CPU thì đều là XEON cả rồi thì các bạn nên có con số RAM hợp lý cho render là 64G vị chi là 32G cho mỗi CPU.



RAM ECC cho laptop - Dell Precision 7720 - các bạn có thể check part trên RAM để biết nó có phải là ECC ko, Part HMA82GS7AFR8N


Thống số RAM theo Part
​HDD/SSD/SAS

Tốc độ truy xuất dữ liệu cũng quyết định đến vấn đề dựng hình và render. Ở đây toàn hệ thống của mình là mình dùng SSD PCIe cả cũng có thời gian dùng HDD nhưng nó làm chậm hệ thống và truy xuất dữ liệu quá chậm. Cho nên trong máy các bạn dù là laptop hay máy để bàn nên có ít nhất 1 chiếc SSD nếu đời mới thì dùng SSD PCIe nhưng em SAMSUNG mình dùng là tốc độ đọc 3GB/s ghi 1.5GB/s làm ổ cài hệ điều hành và phần mềm. Tốc độ truy xuất dữ liệu nhanh sẽ giúp cho CPU chạy được hết hiệu năng tốt hơn và render tốt hơn.



SSD Pcie NVMe
​VGA Quadro/GTX

Khi các bạn dùng các dòng Gaming thì các dòng card đồ họa làm đúng chức năng của nó là thể hiện hình ảnh tốt nhất đẹp nhất, và tham gia vào việc render. GTX là dòng card được tối ưu hóa cho các thuật toán Direct X hiện thị hình ảnh gaming thời gian thực nên nó sẽ ko có một số thuật chuyên để dùng cho render. Với các dòng GPU mới với kiến trúc Pascal or Volta thì việc render cũng đc rất ốt nhưng tuổi tho của CARD sẽ ko bền. Điển hình khi các bạn xem Titan V thì ko hề có cổng SLI nào mà mục đích tạo ra Volta là để dành cho Grid và Ai (trí thông minh nhân tạo). GTX thì nói chán chường ra thì cá bạn có thể tìm hiểu thêm trên mạng. Quadro thì có gì đặc biệt, cùng 1 con card nhưng lại có giá thành mắc gáp 2 đến 4 lần 1 con card GTX, nó sẽ có những tác dụng thế này, với cùng 1 kiến trúc GPU ví dụ Pascal thì Quadro có các công nghệ và thuật toán riêng để có thể tham gia 100% tác vụ render về hình ảnh mượt mà và bền bỉ. Quadro có hỗ trợ những cái mình không dịch ra tiếng việt là “wire-frame rendering and double-sided polygon rendering” là mấy cái mà dân kỹ thuật 3D như bọn mình rất cần. Cái Wire frame render thì mình không phải nói vì đó là nghề chài lưới rồi ahihi, còn cái Double Sided Polygon rendering là nó sẽ render hay thể hiện hình ảnh 3D nhanh gấp đôi với GTX. Và trong render phim ảnh thì nhanh hơn nhiều. Ngoài ra Quadro đc thiết kế để chạy đc 24/7 nên sẽ tốn điện năng ít hơn, và có hệ thống tản nhiệt bền bỉ hơn, nếu render bằng GTX các bạn sẽ thấy cái quạt tản nhiệt nó kêu sé gió và với hệ thống ở đây là precision thì nó êm ru à.

TẢN NHIỆT GIỮA MOBILE WORKSTATION VÀ GAMING CÓ GÌ ĐẶC BIỆT

Tản nhiệt được quyết định bởi thiết kế Chassis (vỏ) với các dòng GAMING đòi hỏi thiết kể hầm hố và mỏng nhẹ đang là model thì phần lớn thiết quạt phải mỏng để dảm độ dày, nhưng để tản nhiệt tốt hơn thì phải nhiều cách quạt hơn, mà nhiều cánh quạt hơn đồng nghĩa với tiếng ồn, với các dòng MSI thì nó kêu như trực thăng ấy, nhưng với các dòng GAMING đc thiết kế thì các bạn có thể chơi game liên tục trong 4-10 tiếng và nguy cơ hỏng cái quạt tản nhiệt rất cao. Đó là lí do Gaming không bền. Với các dòng workstation thì nó khá dày và vì thế với nhiều cánh quạt hơn, và quạt tản nhiệt dày gấp đôi các loại quạt gaming thì turbin quạt cũng có lõi cao hơn nên sẽ bền bỉ và ít ồn hơn. Khi render các dòng Precision mình thấy nó êm ko tưởng luôn ấy, dùng Alienware 17x thì nó hú nguyên đêm ko ngủ được luôn.



Quạt tản nhiệt của Precision 7720​
KHẢ NĂNG MỞ RỘNG CỦA CÁC DÒNG LAPTOP

Laptop gaming giờ thì phổ thông nhất là 15 inch thì đc 1 SSD và 1HDD 2 slot RAM. Laptop mobile Workstation sẽ có khả năng mở rộng Docking (mở thêm nhiều cổng), 2 hay 3 M2 slot, 1 hay 2HDD nhưng giờ thì 1 là phổ thông, và 4 khe RAM, và các loại card kết nối khác.



WWAN card - Card di động 4G và GPS


Trên thân máy có sẵn ốc để các bạn muốn gắn thêm HDD thì có thê vặn. - Dell Precision 7720


Docking - Cổng kết nối mở rộng của các dòng model Workstation


Dock cho dell Precision - Nếu bạn nào dùng cho các ông việc chuyên dụng các bạn sẽ thấy mấy cổng kết nói trên ko thể thiếu đc.
​GAMING VÀ GIẢI TRÍ

Với các dòng card đồ họa Quadro thì có gaming được không? Được nhé các bạn. Các bạn có thể chơi game mượt mà với hiệu suất giảm khoảng 2-10% với các dòng card GTX đồng hạng. Đặc biệt với các dòng card kiến trúc Pascal của Quadro thì hoàn toàn có thể gánh game khủng với màn hình full HD nhé các bạn. Mình test trên Hell Blade thì luôn đạt 45 đến 50 khung hình max-setting. Game online là Blade and Soul luôn đạt 60fps max-setting, card mình dùng là quadro P4000 cho nên các dòng có hiệu năng thấp hơn sẽ gánh được các game với cấu hình tương ứng.

Chốt, nếu các bạn là một designer cần một chiếc máy cho công việc thì hãy mua những chiếc máy trạm với các dòng card đồ họa mới có kiến trúc Pascal trở về sau thì các bạn sẽ mượt mà trong công việc và giải trí. Giá thành các bạn bỏ ra cho chiếc máy có thể đắt, nhưng các bạn lưu ý là Workstation của Dell mặc định sẽ bảo hành 3 năm nhé. Tức là với chi phí bạn bỏ ra bạn sẽ sử dụng mấy đứa con cưng của các bạn được 3 đến 4 năm.

Cuối cùng, chúc các bạn chọn được một em máy phù hợp và đạt nhiều thành công trong công việc.


Theo: Diện Võ​

Matlab

Matlab projects: https://electronicsforu.com/page/2?s=matlab

Prerequisite Knowledge

Background knowledge of programming in robotics:

Udacity survey:
Use the below descriptions for the following questions describing your level of familiarity with programming

• Level 0: I have never used this language before.
• Level 1: I'm learning the basics like variables, conditionals, arithmetic, basic syntax, and string manipulation.
• Level 2: I can read other people's code. I can find and fix simple bugs.
• Level 3: I can break down problems and I am prepared to reuse existing code, while implementing new functions/classes of my own and specialized libraries. I can trace the execution of most programs with ease.
• Level 4: I can write lean, well structured code to solve complex problems utilizing the full extent of the language's feature set.

1. What best describes your level of familiarity with C++ and Python?
2. Which best describes your level of familiarity with calculus, linear algebra, probability and statistics, differential equations, Newtonian mechanics?

Recommended Math course from KhanAcademy:

1. Calculus
2. Linear algebra - Algebra - Algebraic Equation - Algebraic Geometry - Algebraic Topology - Algebraic Homework Questions
3. Probability and statistics
4. Differential equations (Wiki) - Quora - Ordinary Diff.Equa - Partial Diff.Equa - Derivative & Differentiation 
5. Linux Command Line Basics
6. Laplace's equation
7. Integration 

Tutorial on Math Prof. Paul

1. Differential Equation

Github Tutorials

Một trong những công cụ quan trọng dùng để backup or thay đổi codes sau khi chúng ta viết lượng code dài. Đặc biệt khi share và tương tác với coders khác (1 dạng open source), github giúp người dùng thuận tiện hơn trong việc kết nối coders lại với nhau.

- Github course from Udacity

ROS - Robot Operation System

Một vài website tham khảo cách setup ROS và basic program in ROS:

- https://www.youtube.com/channel/UCQLEPbkEmwz4mABAV-kzQTQ
- http://www.srikanthmalla.com
- ROSCON 2012
- ROS in C++ Ebook
   A Gentle Introduction to ROS Jason M. O'Kane

- Pi ROS Book

- Open Source Robotic Foundation: Gazebo

- Book Title: Programming Robots with ROS: A Practical Introduction to the Robot Operating System

- Advice from Quora:

To start learning about ROS, just install it and gets your hands dirty. Generally, it is advised to follow the tutorials provided on ROS wiki page, but i will share my experience, whenever i started the ROS tutorials at some point of time many things i couldn’t understand as why i am doing it after completing 6 7 tutorials which leads to frustration and giving up. I will tell you how i started learning ROS. I will highly recommend this book as i found it very helpful Books/Programming_Robots_with_ROS - ROS Wiki and fun to read.

Firstly Install ROS completely, with Gazebo Simulator, RViz etc. Read about terms like Node, Topic, Message, Subscriber, Publisher etc from the book. 

Start the Turtlesim tutorials, this will help you get a clear understanding of Node, Topic, Subscribing messages, Publishing messages, Messages like Geometry Commands, sensor values etc.

Read the book about writing scripts and controlling the Turtlesim using Python scripts (or C++ whichever you like my personal choice is python) which will help you to understanding writing message subscribing and publishing.

Now, you should start learning about the Catkin Package and how to create, compile and manage catkin packages. Various Source codes are available in catkin packages so you should learn how to compile and use catkin packages.

Now choose a robot of your choice (i started Turtlebot) and simulate it in Gazebo. Start learning about other libraries and how to integrate it in your robot to implement the required functionality.

Hope this will help you to get started.

- From Edouard Renard

I discovered ROS 2,5 months ago. At first it was really hard, but now I start to understand concepts better and I feel ROS made me much more productive for programming a robot.

Let me give you some background so you know from where I started. With 2 internships (10 months), I had knowledge about programming in a few languages (scripting, OO, web, …) and I also knew some stuff about system administration and network (due to my last internship as a DevOps).

So I would say, it is a good background to start learning ROS, even if I didnt really study in depth any of the subjects I have worked on.

Let’s get started !

The early beginning :

• Early September. I am just co-founding a robotics company as a CTO. Well, in other words I am the computer guy. Our goal : to build an accessible robot for makers, startups, and small companies. As I discovered ROS as I was looking for some help about how to deal with inverse kinematics, cartesian paths, and many more things. Maths for robotics is not easy. Trust me, it is a real pain.
• My goal with ROS : build a complete stack for a custom 6-axis robotic arm, from the user interface (web page or mobile) to the robot motors.
• First I liked what I saw on some cool videos, and the fact that most of the code is on BSD license is great for business. So I started to read about the concepts. I find the ROS wiki is great, although when you just start I think you may need some guidelines. You can start with the basics tutorials to understand more about Topics, Services and Actions (well, maybe stick with Topics and Services, then when you understand more, give a try to Actions).
• After that I didn’t really know where to start. How can I have a representation of my robot in ROS ? How can I use motion planning ? How do I control motors ? Can I build a complete stack ? Can I use ROS on a Raspberry Pi 3 and Arduino ? That’s a lot of questions, and the list goes on…
• So I searched online for books about ROS. I will not list them as I found an answer that some people already asked on quora. Some of the described resources are great.

Learning the basics

• I ended up reading books for days, doing the tutorials with the author’s github repository. I also watched almost all the 2012 ROSCON videos on Youtube. 
• Really, watch this, it’s great. You will learn about the principles, the applications you can do, and you will discover the basics of some important packages.
• I first learnt how to deal with Topics, Services and Actions (for this kind of information the ROS is also very good). It is important to understand the communication concepts in ROS at the beginning, so you can start to think about your project architecture. After you understand how  nodes communicate with each other, you are able to go further.
• Starting to build the stack to control my custom robot
• The next thing I focused on was URDF (see video here). URDF will allow you to get a representation of your robot. Without that you can’t do anything. So I advice you to learn how to create an URDF file (see alsoxacro for better and easier configuration to change later).
• After my robot fully “URDFied”, I was able to see it on RVIZ (What a nice reward !). Rviz is a simulation tool that will help you see your robot model, transformations (tf is the hard part :)), and will allow to move your robot from joints commands, or with a motion planner.
• Once I got my robot description in URDF, all I wanted to do is to say to the robot : “Hey you, move to x=0.1, y=0.1, z=0.2, and don’t make me do the ****** maths !” (No really, maths are fun, I even give some maths class after working)
• Here comes MoveIt!. MoveIt! is a great, great tool for motion and path planning. It will do the maths for you, all you need is some pre-configuration and your URDF ready. After that you can do a lot of impressive stuff with your robot. If you are using python this might help.
• After you finished with Moveit! you need to get the calculated trajectory and actually run it with your own controllers, on your own robot. This part was quite hard for me to understand, what messages go where, in what order, where I am supposed to get the output, etc. (hint : the message you will be looking for is this one. 
• Then you can find more infos on ROS wiki, ROS answers and Google)
• The last step before I could really control the real robot, and not only the simulation, was to interface ROS with an Arduino Board. Then the arduino will control the stepper and servo motors. Well, there is a package for that !
• Then I spent a long time trying to code on the Arduino to make things work smoothly. I was at this point after about 4 weeks of work. (including week-ends) 
• Well, 1st month was quite hard, mostly all I did during that month is learning the basics of ROS, create a model for my robot, playing with Moveit! and trying to control my robot with an Arduino board.

Then it depends on what you need to do

After learning the basics and how to control your robot, it depends on your project. For me it was to build a complete stack to make the robot accessible for the end-user. So I had a look at :

• IMU ROS messages to interface my data with ROS system
• ROS on Raspberry Pi
• Rosbridge Suite 
• will allow you to setup a websocket between a ROS system and a non-ROS system. That’s great to complete the stack (user -> motors)
• And many many more…

Some useful resources :

• Gazebo for simulation in a real world
• Sensors
• 2D navigation 
  if you have a mobile robot
  … Then read more stuffs on the wiki and on the github repositories (PR, issues)

Conclusion :

• 2.5 months after I started I can say learning ROS is worth it !
• ROS is a great open-source middleware to use for your robot. Depending on your previous knowledge, the learning curve can be slow at the beginning. But in a few weeks/months you will be able to understand more and more stuff, and your productivity will be much higher. Plus, your robot will do amazing things, that you can’t just program on your own.
• You can choose between C++ and Python for programming with ROS. If you want fast prototyping and are not so familiar with C++ I would recommand starting using Python (don’t worry, all your application doesn’t need to be in Python as nodes are language-agnostic).
• The important thing is, don’t give up. At the beginning you will feel stuck and disoriented, but after you go through that, and start to understand the concepts, you will see the benefits of using ROS !
• I hope this answer will help, you can get more infos about the robot I am currently programming here, and read some articles about cobots and accessibles robots here.