Toán cho TF 07

[PF] 4.1. Giới thiệu

Ứng dụng của Gradient

[PF] 4.2.1. Đạo hàm riêng

[PF] 4.2.2. Với hàm số bên trên khi nào thì giá trị hàm số đạt thấp nhất

[PF] 4.2.3. Gradient

Đao hàm riêng

[PF] 4.3.1. Phép nào đầu vào vector đầu ra là một số?

[PF] 4.3.2. Biến đổi từ vector thành số

[PF] 4.3.3. Ví dụ đạo hàm của số với vector

[PF] 4.3.4. Tính đạo hàm riêng với x1

[PF] 4.3.5. Đạo hàm của số với vector tại một điểm

Gradient Vector - Scalar

[PF] 4.4.1. Quy tắc chuỗi nhiều biến

[PF] 4.4.2. Diễn giải chi tiết đáp án

[PF] 4.4.3. Thực hành lập trình đạo hàm nhiều biến

[PF] 4.4.4. Thực hành lập trình đạo hàm nhiều biến

Quy tắc chuỗi nhiều biến

[PF] 4.5.1. Giới thiệu thư viện Tensorflow

Tham khảo thêm định nghĩa Tensor và tính Gradient sử dụng Gradient Tape

Giới thiệu thư viện Tensorflow

[PF] 4.6.1. Giới thiệu Gradient Tape

[PF] 4.6.2. Thực hành Gradient Tape với một số hàm quen thuộc

[PF] 4.6.3. Dùng Gradient Tape để tính đạo hàm ln

[PF] 4.6.4. Lập trình Gradient Tape để tính gradient

[PF] 4.6.5. Sử dụng Gradient Tape cho hàm nhiều biến

Giới thiệu Gradient Tape

Gradient Vector - Scalar.pdf

Slide bài giảng

Chữa bài đạo hàm 1

Chữa đạo hàm phần 2

Video

- Ứng dụng của Gradient
- Đạo hàm riêng và Gradient
- Gradient Vector - Scalar
- Quy tắc chuỗi nhiều biến
- Giới thiệu thư viện Tensorflow
- Giới thiệu Gradient Tape, tính đạo hàm tự động

Đạo hàm riêng và Gradient

- Công thức toán cơ bản
- Sigma - Ký hiệu tổng
- Vector cơ bản và ứng dụng
- Ma trận cơ bản và ứng dụng
- Tensor
- Sách Toán tham khảo


Đại số tuyến tính

- Ứng dụng đại số tuyến tính trong tổ chức dữ liệu
  - Dữ liệu âm thanh
  - Dữ liệu hình ảnh
  - Dữ liệu giọng nói  

Ứng dụng đại số tuyến tính 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


Đạo hàm một biến

  - Gradient với Jacobian
  - Jacobian Vector - vector
  - Jacobian Ma trận - ma trận
  - Thực hành tính Jacobian
  - Bí quyết tính đạo hàm cho các mô hình AI

Jacobian Vector-Vector, Matrix-Vector

Ôn tập Jacobian

- Đếm
- Quy tắc cộng
- Quy tắc nhân
- Nguyên lý bù trừ
- Chỉnh hợp
- Tổ hợp
- Hoán vị

Giới thiệu xác suất - Đếm

Ôn tập xác suất cơ bản

Luyện lập trình Python

- Giới thiệu xác suất
- Liên kết đếm và xác suất
- Xác suất có điều kiện
- Định lý Bayes

Xác suất + Định lý Bayes

Biến ngẫu nhiên + Phân phối rời rạc

Chữa bài xác suất có điều kiện + phân phối rời rạc

- Hàm mật độ xác suất
- Ôn tập tích phân, một số tích phân đơn giản
- Ứng dụng tích phân giải bài biến ngẫu nhiên liên tục
- Phân phối đều


Phân phối liên tục

- Hàm mật độ xác suất
- Hàm phân phối tích lũy
- Phân phối chuẩn đơn vị
- Kỹ thuật tính xác suất

Phân phối chuẩn

Chữa bài phân phối 

Danh sách chủ đề

Đạo hàm riêng và Gradient

1. Ứng dụng của Gradient

1.1. [PF] 4.1. Giới thiệu

2. Đao hàm riêng

2.1. [PF] 4.2.1. Đạo hàm riêng

2.2. [PF] 4.2.3. Gradient

3. Gradient Vector - Scalar

3.1. [PF] 4.3.2. Biến đổi từ vector thành số

3.2. [PF] 4.3.3. Ví dụ đạo hàm của số với vector

3.3. [PF] 4.3.5. Đạo hàm của số với vector tại một điểm

4. Quy tắc chuỗi nhiều biến

4.1. [PF] 4.4.1. Quy tắc chuỗi nhiều biến

4.2. [PF] 4.4.2. Diễn giải chi tiết đáp án

5. Giới thiệu thư viện Tensorflow

5.1. [PF] 4.5.1. Giới thiệu thư viện Tensorflow

5.2. Tham khảo thêm định nghĩa Tensor và tính Gradient sử dụng Gradient Tape

6. Giới thiệu Gradient Tape

6.1. [PF] 4.6.1. Giới thiệu Gradient Tape

6.2. [PF] 4.6.2. Thực hành Gradient Tape với một số hàm quen thuộc

7. Slide bài giảng

7.1. Gradient Vector - Scalar.pdf

8. Video

8.1. Chữa bài đạo hàm 1

8.2. Chữa đạo hàm phần 2

Bài học