Toán cho Machine Learning: vector, ma trận, đạo hàm và xác suất viết bằng NumPy
Phần toán tối thiểu để đọc hiểu ML và Deep Learning: tích vô hướng, nhân ma trận, gradient, quy tắc chuỗi, phân phối xác suất, kỳ vọng, Bayes — mỗi khái niệm đi kèm vài dòng NumPy và chỗ nó xuất hiện trong mô hình thật.
10 phút đọc
Ôn tập bài nàyPROThẻ ghi nhớ & câu hỏi ôn tập6 thẻ ghi nhớ · 6 câu trắc nghiệm
Bạn không cần bằng toán để làm AI Engineer, nhưng cần đọc được ba thứ: dữ liệu là ma trận, học là tối ưu hoá bằng đạo hàm, dự đoán là xác suất. Thiếu một trong ba, mọi thứ sau này chỉ là gọi hàm thư viện và hy vọng.
Bài này đi qua đúng phần toán mà các bài sau dùng tới. Mỗi khái niệm có định nghĩa ngắn, một đoạn NumPy để bạn chạy thử, và ghi chú "gặp lại ở đâu".
Bài viết PRO
Phần còn lại dành cho thành viên PRO
Bài này thế nào?
Bài viết có hữu ích với bạn?
Đánh giá giúp mình biết nên viết thêm về chủ đề nào.
Đang tải đánh giá…
Bình luận
Đang tải bình luận…