Toán cho học sâu - Pre-TF 09

10.1.1. Giới thiệu phân phối chuẩn.mp4

Giới thiệu

[PF] 10.2.1. Phân phối chuẩn.mp4

[PF] 10.2.2. Hàm mật độ xác suất.mp4

[PF] 10.2.3. Hàm phân phối tích lũy.mp4

[PF] 10.2.4. Biến đổi tuyến tính với phân phối chuẩn.mp4

[PF] Phân phối chuẩn với biến đổi tuyến tính

Từ phút số 2:44:

$$P(X \leq x) = P(\frac{X-\mu}{\sigma} \leq \frac{x-\mu}{\sigma}  )$$

**Bỏ dòng số 2:**

$$= P({X-\mu} \leq {x-\mu}  )$$

[PF] 10.2.5. Phân phối chuẩn đơn vị.mp4

[PF] 10.2.6. Ứng dụng phân phối chuẩn đơn vị để tính xác suất.mp4

[PF] 10.2.7. Bài tập vận dụng 1

[PF] 10.2.8. Bài tập vận dụng 2

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

<ul><li>Python</li><li>Numpy</li></ul>

Luyện lập trình Python với đại số tuyến tính

Ôn tập đại số tuyến tính và ứng dụng trong AI

[Zoom 15-3-2024] 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>

[Zoom 22-3-2024] Ôn tập đạo hàm

<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>

[Zoom 29-3-2024] Ôn tập Jacobian -  Đạo hàm riêng, Gradient 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

Ôn tập xác suất và ứng dụng

[Zoom 5-4-2024] Ôn tập xác suất và ứng dụng

Biến ngẫu nhiên + Phân phối rời rạc

<ul><li>Biến ngẫu nhiên và tính chất</li><li>Phân phối rời rạc và các loại phân phối phổ biến</li></ul>

[Zoom 12-4-2024] Ôn tập 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 chuẩn</li><li>Ứng dụng trong AI</li></ul>

Danh sách chủ đề

Phân phối chuẩn

1. Giới thiệu

1.1. 10.1.1. Giới thiệu phân phối chuẩn.mp4

2. Phân phối chuẩn

2.1. [PF] 10.2.1. Phân phối chuẩn.mp4

2.2. [PF] 10.2.2. Hàm mật độ xác suất.mp4

2.3. [PF] 10.2.3. Hàm phân phối tích lũy.mp4

2.4. [PF] 10.2.4. Biến đổi tuyến tính với phân phối chuẩn.mp4

2.5. [PF] 10.2.5. Phân phối chuẩn đơn vị.mp4

2.6. [PF] 10.2.6. Ứng dụng phân phối chuẩn đơn vị để tính xác suất.mp4

3. Slide bài giảng

3.1. 11. Normal Distribution - v2.pdf

Bài học