Toán cho học sâu 

[PF] 9.1.1. Hàm mật độ xác suất

Hàm mật độ xác suất

[PF] 9.2.1. Ôn lại tích phân

[PF] 9.2.2. Một số tính tích phân phổ biến

Tích phân

[PF] 9.3.1. Ứng dụng tích phân tìm xác suất

[PF] 9.3.2. Tìm A

Ứng dụng tích phân giải bài biến ngẫu nhiên liên tục

[PF] 9.4.1. Phân phối đều

[PF] 9.4.2. Xác suất lớn hơn một giá trị

[PF] 9.4.3. Xác suất trong một khoảng

[PF] 9.4.5. Tính phương sai của biến ngẫu nhiên theo phân phối đều

[PF] 9.4.6. Kỳ vọng của biến ngẫu nhiên liên tục

Phân phối đều - Uniform Distribution

10. Continuous  Random Variables - v2.pdf

uniform.png

Slide bài giảng

<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>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

Biến ngẫu nhiên + Phân phối rời rạc

<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>

Phân phối liên tục

1. Hàm mật độ xác suất

1.1. [PF] 9.1.1. Hàm mật độ xác suất

2. Tích phân

2.1. [PF] 9.2.1. Ôn lại tích phân

2.2. [PF] 9.2.2. Một số tính tích phân phổ biến

3. Ứng dụng tích phân giải bài biến ngẫu nhiên liên tục

3.1. [PF] 9.3.1. Ứng dụng tích phân tìm xác suất

3.2. [PF] 9.3.2. Tìm A

4. Phân phối đều - Uniform Distribution

4.1. [PF] 9.4.1. Phân phối đều

4.2. [PF] 9.4.2. Xác suất lớn hơn một giá trị

4.3. [PF] 9.4.3. Xác suất trong một khoảng

4.4. [PF] 9.4.5. Tính phương sai của biến ngẫu nhiên theo phân phối đều

4.5. [PF] 9.4.6. Kỳ vọng của biến ngẫu nhiên liên tục

5. Slide bài giảng

5.1. 10. Continuous Random Variables - v2.pdf

5.2. uniform.png