Toán cho học sâu 

[PF] 8.1.1. Giới thiệu

Giới thiệu

[PF] 8.2.1. Biến ngẫu nhiên

[PF] 8.2.2. Biến ngẫu nhiên nhị phân và nhị thức

[PF] 8.2.3. Cách tính xác suất biến ngẫu nhiên nhị thức

[PF] 8.2.4. Bài toán reo đồng xu 3 lần

[PF] 8.2.5. Xác định xác suất từ một lần tung đồng xu

Biến ngẫu nhiên

[PF] 8.3.1. Hàm khối xác suất

[PF] 8.3.2. Hàm phân phối tích lũy

[PF] 8.3.1. Tính giá trị phân phối tích lũy

Hàm khối + phân phối tích lũy

[PF] 8.4.1. Kỳ vọng

[PF] 8.4.2. Kỳ vọng tung đồng xu 3 lần

[PF] 8.4.2. Tính chất của kỳ vọng

[PF] 8.4.4. Tính kỳ vọng

8.4.5. Variance

[PF] 8.4.6. Tính chất của Phương sai

Kỳ vọng + Phương sai

5. Random Variable - v2.pdf

Slide bài giảng

Biến ngẫu nhiên + Phân phối rời rạc

<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

Ôn tập đại số tuyến tính và ứng dụng trong AI

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>

Ôn tập đạo hàm + ứng dụng trong AI

<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>

Ôn tập Jacobian -  Đạo hàm riêng, Gradient và ứng dụng trong AI

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

Giới thiệu xác suất - Đếm

<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>Ôn tập xác suất</li><li>Ứng dụng trong AI</li></ul>

Ôn tập xác suất và ứng dụng trong AI

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

Ôn tập phân phối + ứng dụng trong AI

<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>

Biến ngẫu nhiên + Phân phối rời rạc

1. Giới thiệu

1.1. [PF] 8.1.1. Giới thiệu

2. Biến ngẫu nhiên

2.1. [PF] 8.2.1. Biến ngẫu nhiên

2.2. [PF] 8.2.2. Biến ngẫu nhiên nhị phân và nhị thức

2.3. [PF] 8.2.3. Cách tính xác suất biến ngẫu nhiên nhị thức

2.4. [PF] 8.2.4. Bài toán reo đồng xu 3 lần

2.5. [PF] 8.2.5. Xác định xác suất từ một lần tung đồng xu

3. Hàm khối + phân phối tích lũy

3.1. [PF] 8.3.1. Hàm khối xác suất

3.2. [PF] 8.3.2. Hàm phân phối tích lũy

3.3. [PF] 8.3.1. Tính giá trị phân phối tích lũy

4. Kỳ vọng + Phương sai

4.1. [PF] 8.4.1. Kỳ vọng

4.2. [PF] 8.4.2. Kỳ vọng tung đồng xu 3 lần

4.3. [PF] 8.4.2. Tính chất của kỳ vọng

4.4. [PF] 8.4.4. Tính kỳ vọng

4.5. 8.4.5. Variance

4.6. [PF] 8.4.6. Tính chất của Phương sai

5. Slide bài giảng

5.1. 5. Random Variable - v2.pdf