Danh sách chủ đề

Tại sao lại cần phải học Toán?
Đại số tuyến tính
Đạo hàm một biến
Đạo hàm riêng và Gradient
Chữa bài tập đạo hàm
Jacobian Vector-Vector, Matrix-Vector
Giới thiệu xác suất - Đếm
Đạo hàm và ứng dụng trong mô hình AI
Xác suất + Định lý Bayes
Biến ngẫu nhiên + Phân phối rời rạc
Xác suất và ứng dụng trong mô hình AI
Phân phối liên tục
Phân phối chuẩn
Ứng dụng phân phối trong tiền xử lý dữ liệu
Sách xác suất ôn luyện thêm

Đại số tuyến tính

Vector, Ma trận và các phép tính toán. Ứng dụng của đại số tuyến tính trong AI.

1. Công thức toán cơ bản

1.1. [PF] 2.1.1. Ký hiệu toán

2. Sigma - Ký hiệu tổng

2.1. [PF] 2.2.1. Ký hiệu tổng đơn

2.2. [PF] 2.2.3. Two Sigma - Tổng lồng tổng

2.3. [PF] 2.2.4. Công thức tổng trong bài toán AI

3. Vector

3.1. [PF] 2.3.1. Không gian nhiều chiều

3.2. [PF] 2.3.2. Điểm trong không gian 3 chiều

3.3. [PF] 2.3.3. Điểm trong không gian 3 chiều

3.4. [PF] 2.3.4. Khái niệm vector + chuẩn

3.5. [PF] 2.3.5 Numpy - Thực hành khởi tạo vector và tính chuẩn

3.6. [PF] 2.3.7. Phép cộng 2 vector

3.7. [PF] 2.3.8. Phép cộng 2 vector

3.8. [PF] 2.3.9. Nhân một số với vector

3.9. [PF] 2.3.11. Phép nhân vô hướng

3.10. [PF] 2.3.13. Cosine giữa 2 vector

3.11. [PF] 2.3.15. Ý nghĩa độ đo cosin

3.12. [PF] 2.3.16. Tính chất của Vector

4. Ma trận

4.1. [PF] 2.4.1. Giới thiệu ma trận + Lập trình với Numpy

4.2. [PF] 2.4.2. Các phép toán trên ma trận.mp4

4.3. [PF] 2.4.3. Nhân hai ma trận

4.4. [PF] 2.4.7. Ứng dụng nhân ma trận

4.5. [PF] 2.4.8. Ma trận nghịch đảo + ma trận chuyển vị

5. Tensor

5.1. [PF] 2.5.1. Khái niệm Tensor

6. Slide bài giảng

6.1. 1. Linear Algebra - v3.pdf

6.2. Linear Algebra.ipynb

6.3. Sách toán học chung

Bài học