Toán nền tảng cho xử lý ngôn ngữ tự nhiên (NLP)

[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

[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

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>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

- 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 biến nhẫu nhân</li><li>Biến ngẫu nhiên nhị phân và nhị thức</li><li>Hàm khối + hàm phân phối tích lũy</li><li>Kỳ vọng và phương sai</li></ul>

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>

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