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

[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

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 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>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>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