Toán cho học sâu 

10.1.1. Giới thiệu phân phối chuẩn

Giới thiệu

[PF] 10.2.1. Phân phối chuẩn

[PF] 10.2.2. Hàm mật độ xác suất

[PF] 10.2.3. Hàm phân phối tích lũy

[PF] 10.2.4. Biến đổi tuyến tính với phân phối chuẩn

[PF] Phân phối chuẩn với biến đổi tuyến tính

[PF] 10.2.5. Phân phối chuẩn đơn vị

[PF] 10.2.6. Ứng dụng phân phối chuẩn đơn vị để tính xác suất

[PF] 10.2.7. Bài tập vận dụng 1

[PF] 10.2.8. Bài tập vận dụng 2

[PF] 10.2.9. Một số kỹ thuật tính xác suất

Phân phối chuẩn

11. Normal Distribution - v2.pdf

Slide bài giảng

Bài tập luyện tập sử dụng phân phối chuẩn đơn vị

Bài tập chứng minh người đàn ông bội bạc

Bài tập tính điều kiện khi cho xác suất

Bài tập bổ sung

<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>

<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>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>

Phân phối chuẩn

1. Giới thiệu

1.1. 10.1.1. Giới thiệu phân phối chuẩn

2. Phân phối chuẩn

2.1. [PF] 10.2.1. Phân phối chuẩn

2.2. [PF] 10.2.2. Hàm mật độ xác suất

2.3. [PF] 10.2.3. Hàm phân phối tích lũy

2.4. [PF] 10.2.4. Biến đổi tuyến tính với phân phối chuẩn

2.5. [PF] Phân phối chuẩn với biến đổi tuyến tính

2.6. [PF] 10.2.5. Phân phối chuẩn đơn vị

2.7. [PF] 10.2.6. Ứng dụng phân phối chuẩn đơn vị để tính xác suất

2.8. [PF] 10.2.7. Bài tập vận dụng 1

2.9. [PF] 10.2.8. Bài tập vận dụng 2

2.10. [PF] 10.2.9. Một số kỹ thuật tính xác suất

3. Slide bài giảng

3.1. 11. Normal Distribution - v2.pdf

4. Bài tập bổ sung

4.1. Bài tập luyện tập sử dụng phân phối chuẩn đơn vị

4.2. Bài tập chứng minh người đàn ông bội bạc

4.3. Bài tập tính điều kiện khi cho xác suất