Cơ sở Toán học và Thống kê dành cho người không chuyên (Thực hành)

Khóa học này là quá trình thực hành các nội dung cơ bản về toán học và thống kê cho máy học sử dụng Python. Máy học và học sâu không chỉ đòi hỏi năng lực lập trình mà còn cần nền tảng toán học để nắm vững các nguyên lý. Thông qua khóa học này, bạn có thể từng bước học hỏi các kiến thức toán học cơ bản cần thiết cho trí tuệ nhân tạo!

Đây là khóa học đại số tuyến tính, trong đó bạn sẽ tìm hiểu ý nghĩa của vector và ma trận qua hình ảnh, đồng thời tự tính toán bằng các ví dụ nhỏ. Khóa học trình bày từng bước những kiến thức toán học được sử dụng trong hồi quy tuyến tính, PCA, SVD, tensor và cơ chế attention. Không yêu cầu kiến thức lập trình.

Khóa học nhập môn tập trung vào lý thuyết, giúp bạn học các nguyên lý cốt lõi của AI từ Python, phân tích dữ liệu đến machine learning, khai phá văn bản, deep learning và Transformer, đồng thời kiểm chứng các chủ đề chính thông qua thực hành.

Giải thích cực nhanh và dễ hiểu 32 kỹ thuật trực quan hóa dữ liệu dưới góc nhìn của người không chuyên!

Tìm hiểu về Python và cách tự động thu thập dữ liệu chứng khoán từ các tiêu đề Naver News và Naver Finance bằng Python. Thư viện tôi chủ yếu sử dụng là BeautifulSoup.

Đại số tuyến tính được nắm vững chỉ trong một lần học. Chúng tôi sẽ giải thích chi tiết những khái niệm đại số tuyến tính, vốn sẽ trở thành nền tảng cho tư duy của bạn suốt đời chỉ sau một lần học. Không chỉ dừng lại ở việc giải thích các khái niệm đơn thuần, chúng tôi còn tận tình hướng dẫn cách ứng dụng thực tế thông qua các bài thực hành.

Đây là một bài giảng về trực quan hóa dữ liệu bằng thư viện Matplotlib.

Hãy chắc chắn bắt đầu với những điều cơ bản về học máy và học sâu! Phân loại/hồi quy/phân cụm/tạo và sử dụng mạng thần kinh nhân tạo trong Python

🧩 Thay vì giải thích dựa trên công thức phức tạp hay lý thuyết, chúng tôi đặt mục tiêu nắm vững các khái niệm cốt lõi của hệ thống đề xuất thông qua việc tự tay triển khai chương trình. 🛠️ Thông qua tổng cộng 12 ví dụ đa dạng và thực tiễn, chúng tôi đã từng bước thiết kế các hệ thống đề xuất có thể ứng dụng trong môi trường thực tế, bao gồm đề xuất dựa trên nội dung, lọc cộng tác và đề xuất học sâu.

Trong kỷ nguyên AI và Big Data, bạn đã và đang khai thác dữ liệu của tổ chức mình một cách hiệu quả chưa? Khóa học này sẽ giúp bạn phát triển các năng lực thiết yếu để đọc và giải thích dữ liệu, từ nền tảng tư duy thống kê đến các nguyên lý cốt lõi của Machine Learning và Deep Learning. Hãy trở thành một nhà lãnh đạo thực thụ, có khả năng phát hiện các quy luật trong sự biến động và đưa ra các quyết định dựa trên dữ liệu.

Trong lớp này, bạn sẽ học các kỹ thuật truy xuất (thu thập dữ liệu) và xử lý dữ liệu từ nhiều trang web khác nhau bằng Python và áp dụng chúng trực tiếp vào các ví dụ khác nhau mà bạn có thể gặp trong thực tế. Thông qua đó, bạn sẽ tìm hiểu về các kỹ thuật tập trung vào giải quyết các vấn đề thực tế dựa trên sự hiểu biết về các nguyên tắc cơ bản về cách hoạt động của web, thay vì tự động hóa tác vụ một chiều bằng cách sao chép và dán mã nhất định. để sử dụng nó trên bất kỳ trang web nào trong tương lai Có thể có khả năng thu thập và xử lý dữ liệu. Ngoài ra, bạn sẽ học cách giải quyết các trường hợp ngoại lệ khác nhau xảy ra trong quá trình này bằng mã và cuối cùng, bạn sẽ có thể giải quyết và tự động hóa các vấn đề khác nhau xảy ra trong cuộc sống hàng ngày thông qua tư duy lập trình.

Sử dụng cú pháp cơ bản và thư viện phổ biến của Python Tự động tạo mã cú pháp và thư viện Python sử dụng ChatGPT

Khóa học này tập trung vào việc phát triển năng lực trực quan hóa có thể áp dụng ngay vào thực tế, bằng cách sử dụng Seaborn - công cụ cốt lõi của trực quan hóa dữ liệu và plotly/Dash để xây dựng dashboard tương tác. Thông qua các bài thực hành đa dạng, bạn có thể cùng lúc nâng cao khả năng tạo tài liệu trực quan tập trung vào insight và triển khai dashboard trên nền web.

Đây là khóa học giúp bạn dễ dàng học các khái niệm toán học quan trọng được sử dụng trong trò chơi. Những người giỏi toán thường coi những kiến thức đó là điều hiển nhiên nên khó có thể dạy với giả định rằng người học không biết gì cả. Khóa học này thực sự coi bạn là một người không chuyên và giải thích dưới góc độ của người mới bắt đầu.

Với lộ trình học tập bài bản gồm 40 bài giảng, bạn sẽ được học từ lý thuyết cơ bản về AI đến các kỹ thuật AI ứng dụng của từng thuật toán. Thông qua việc học và thực hành thuật toán bằng ngôn ngữ R cùng tư duy toán học trực quan, bạn sẽ trang bị được năng lực phát triển mô hình AI có thể áp dụng ngay vào thực tế, từ việc xây dựng và lựa chọn sử dụng các mô hình thuật toán cho phân tích dữ liệu, học máy (machine learning) và các công cụ ứng dụng liên quan.

Bạn có thể học các kỹ năng và bí quyết cần thiết để nâng cao hiệu quả công việc bằng cách sử dụng API mở và Python.

Trong Phần 3 của Tạo phòng giao dịch Python cho đầu tư định lượng, bạn sẽ tìm hiểu về lý thuyết danh mục đầu tư và các khái niệm cần thiết cho đầu tư thực tế cũng như cách triển khai chúng bằng mã. Phần 1 & Trong Phần 2, bạn chủ yếu tìm hiểu về các phương pháp triển khai mã để phân tích dữ liệu tài chính, nhưng trong Phần 3, bạn tìm hiểu về 'danh mục đầu tư', một phần quan trọng của đầu tư định lượng. Tại sao bạn nên tạo một danh mục đầu tư? Với câu hỏi này, chúng ta tìm hiểu lý thuyết danh mục đầu tư, triển khai nó bằng Python và thực hành mã cần thiết cho đầu tư danh mục đầu tư thực tế. Tôi hy vọng bài giảng này sẽ hữu ích trong việc đầu tư vào danh mục đầu tư của riêng bạn.

Đây là khóa học nhằm tiếp thu công nghệ thu thập dữ liệu web dựa trên Python, thu thập dữ liệu từ các trang web và cải thiện kỹ năng thu thập và phân tích dữ liệu tại nơi làm việc dựa trên công nghệ này.

Những người đã học kiến ​​thức cơ bản về Python sẽ học cách sử dụng Python sau khi xem bài giảng này.

Nếu bạn yêu cầu AI "hãy tạo mô hình bằng dữ liệu này", vài dòng đầu tiên trông có vẻ hợp lý, nhưng chỉ cần phức tạp hơn một chút, nó sẽ sử dụng sai cột, làm rò rỉ dữ liệu (leakage), và dù điểm số tăng lên nhưng mô hình thực tế lại tệ đi. Khóa học này không dạy bạn cách viết prompt tốt hơn. Thay vào đó, nó tập trung vào cách trực tiếp thiết kế một vòng lặp (harness) để Agent có thể hiểu dữ liệu, lập kế hoạch, viết mã, tự xác nhận kết quả và quay lại nếu sai sót. Sau khi thực hành thủ công một vòng lặp năm mảnh của DS-STAR, chúng ta sẽ lần lượt lắp ráp các thành phần: Data Profile Card, Hook, Skill Hierarchy, Independent Verifier và Ablation.