Giải tích cho AI — Đạo hàm, gradient và nguyên lý mạng nơ-ron học tập
codingmax
Cơ bản / Machine Learning(ML), Deep Learning(DL), Artificial Neural Network, Linear Algebra, Integral Differential, AI
Đây là bài giảng dành cho những ai muốn hiểu các công thức về phép vi phân và lan truyền ngược trong học sâu. Bạn sẽ lần lượt học từ hàm số và giới hạn đến đạo hàm, quy tắc dây chuyền, gradient và phương pháp giảm độ dốc, sau đó tự tính toán quá trình lan truyền xuôi, tính hàm mất mát, lan truyền ngược và cập nhật trọng số của một mạng nơ-ron nhỏ. Không cần lập trình hay cài đặt, bạn có thể tìm hiểu các khái niệm qua hình ảnh động và kết nối chúng với các công thức cũng như quá trình học của AI.
Cơ bản
Machine Learning(ML), Deep Learning(DL), Artificial Neural Network




![[Sửa đổi lần thứ 3] Sách giáo khoa Node.js - Từ cơ bản đến thực hành dự ánHình thu nhỏ khóa học](https://cdn.inflearn.com/public/courses/330181/cover/47e0125e-75ad-4946-96d3-54bbc444a188/330181-eng.jpg?w=420)






![[E-book] Học JavaScript chỉ với 10.000 won — Từ cú pháp đến UI thực tếHình thu nhỏ khóa học](https://cdn.inflearn.com/public/files/courses/341941/cover/ai/2/e0025a6d-4834-4f34-891e-efcc6184d390.png?w=420)

![[Khóa học phát triển web Full Stack] Một tuần trước khi triển khai dự án Node.js - từ cơ bản đến thực hànhHình thu nhỏ khóa học](https://cdn.inflearn.com/public/courses/330080/cover/53450c0a-fe6a-448a-a968-54803487b395/nodejs-1.jpg?w=420)

