Toán cho học sâu - Pre-TF 09

[PF] 7.1.1. Liên kết đếm và xác suất

[PF] 7.1.2. Khái niệm xác suất

[PF] 7.1.3. Phép giao và phép hợp

[PF] 7.1.4. Câu hỏi biểu đồ venn

Ở Tiên đề 3, từ độc lập chưa chính xác. Từ chính xác đó là **"xung khắc nhau"**, tức là hai biến cố không thể cùng xảy ra tại một thời điểm.



[PF] 7.1.5. Tiên đề xác suất

[PF] 7.1.6. Bài toán thùng phá sảnh

Liên kết đếm và xác suất

[PF] 7.2.1. Xác suất đồng thời và có điều kiện

Xác suất có điều kiện

[PF] 7.3.1. Câu hỏi biểu đồ venn

[PF] 7.3.2. Công thức xác suất đầy đủ

[PF] 7.3.3. Bài toán tìm hoa hậu

[PF] 7.3.4. Định lý Bayes và ứng dụng

[PF] 7.3.5. Tính xác suất lúa nảy mầm

[PF] 7.3.6. Bài toán tính xác suất là loại 1

Định lý Bayes

4. Probability - v2.pdf

Slide

<ul><li>Giới thiệu xác suất</li><li>Liên kết đếm và xác suất </li><li>Xác suất có điều kiện </li><li>Định lý Bayes</li></ul>

Xác suất + Định lý Bayes

<ul><li>Công thức toán cơ bản </li><li>Sigma</li><li>Ký hiệu tổng</li><li>Vector cơ bản và ứng dụng</li><li>Ma trận cơ bản và ứng dụng</li><li>Tensor</li><li>Sách Toán tham khảo</li></ul>

Đại số tuyến tính

<ul><li>Python</li><li>Numpy</li></ul>

Luyện lập trình Python với đại số tuyến tính

Ôn tập đại số tuyến tính và ứng dụng trong AI

[Zoom 15-3-2024] Ôn tập đại số tuyến tính và ứng dụng trong AI

Đạo hàm và ứng dụng của nó trong tối ưu các bài toán học giám sát, cụ thể đi tìm cực trị của hàm mất mát<ul><li>Giới thiệu đạo hàm</li><li>Giới hạn</li><li>Tính liên tục của hàm số</li><li>Đạo hàm và tính liên tục</li><li>Các loại đạo hàm</li></ul>

Đạo hàm một biến

<ul><li>Ứng dụng của Gradient </li><li>Đạo hàm riêng và Gradient </li><li>Gradient Vector - Scalar</li><li>Quy tắc chuỗi nhiều biến</li><li>Giới thiệu thư viện Tensorflow </li><li>Giới thiệu Gradient Tape, tính đạo hàm tự động</li></ul>

Đạo hàm riêng và Gradient

<ul><li>Ôn tập đạo hàm</li><li>Ứng dụng trong AI</li></ul>

[Zoom 22-3-2024] Ôn tập đạo hàm

<ul><li>Gradient với Jacobian</li><li>Jacobian Vector - vector</li><li>Jacobian Ma trận - ma trận</li><li>Thực hành tính Jacobian</li><li>Bí quyết tính đạo hàm cho các mô hình AI</li></ul>

Jacobian Vector-Vector, Matrix-Vector

<ul><li>Đạo hàm riêng</li><li>Gradient trong AI</li></ul>

[Zoom 29-3-2024] Ôn tập Jacobian -  Đạo hàm riêng, Gradient trong AI

- Đếm - Quy tắc cộng - Quy tắc nhân - Nguyên lý bù trừ - Chỉnh hợp - Tổ hợp - Hoán vị

Giới thiệu xác suất - Đếm

Ôn tập xác suất và ứng dụng

[Zoom 5-4-2024] Ôn tập xác suất và ứng dụng

Biến ngẫu nhiên + Phân phối rời rạc

<ul><li>Biến ngẫu nhiên và tính chất</li><li>Phân phối rời rạc và các loại phân phối phổ biến</li></ul>

[Zoom 12-4-2024] Ôn tập biến ngẫu nhiên + Phân phối rời rạc.

<ul><li>Hàm mật độ xác suất</li><li>Ôn tập tích phân, một số tích phân đơn giản</li><li>Ứng dụng tích phân giải bài biến ngẫu nhiên liên tục - Phân phối đều</li></ul>

Phân phối liên tục

<ul><li>Hàm mật độ xác suất </li><li>Hàm phân phối tích lũy </li><li>Phân phối chuẩn đơn vị </li><li>Kỹ thuật tính xác suất</li></ul>

Phân phối chuẩn

<ul><li>Ôn tập phân phối chuẩn</li><li>Ứng dụng trong AI</li></ul>

Xác suất + Định lý Bayes

1. Liên kết đếm và xác suất

1.1. [PF] 7.1.1. Liên kết đếm và xác suất

1.2. [PF] 7.1.2. Khái niệm xác suất

1.3. [PF] 7.1.3. Phép giao và phép hợp

1.4. [PF] 7.1.4. Câu hỏi biểu đồ venn

1.5. [PF] 7.1.5. Tiên đề xác suất

1.6. [PF] 7.1.6. Bài toán thùng phá sảnh

2. Xác suất có điều kiện

2.1. [PF] 7.2.1. Xác suất đồng thời và có điều kiện

3. Định lý Bayes

3.1. [PF] 7.3.1. Câu hỏi biểu đồ venn

3.2. [PF] 7.3.2. Công thức xác suất đầy đủ

3.3. [PF] 7.3.3. Bài toán tìm hoa hậu

3.4. [PF] 7.3.4. Định lý Bayes và ứng dụng

3.5. [PF] 7.3.5. Tính xác suất lúa nảy mầm

3.6. [PF] 7.3.6. Bài toán tính xác suất là loại 1

4. Slide

4.1. 4. Probability - v2.pdf