Bạn có phải là người bỏ toán thời đi học không?
Người ta nói toán học quan trọng trong AI, bạn có thấy bế tắc không biết phải tiếp cận thế nào không?
Lý do toán học quan trọng trong Trí tuệ nhân tạo là vì nó được sử dụng trong quá trình tính toán của Trí tuệ nhân tạo (Machine Learning và Deep Learning).
Để giải thích một cách dễ hiểu về Vi tích phân, Đại số tuyến tính, và Xác suất & Thống kê, những kiến thức cần thiết để hiểu Trí tuệ nhân tạo, nội dung này được xây dựng bằng cách giải thích đơn giản sử dụng đồ thị (tọa độ) thay vì các công thức toán học.
Vi phân, Đại số tuyến tính, Xác suất và Thống kê – toán học thiết yếu cho AI.
Ý nghĩa của việc toán học (vi tích phân, đại số tuyến tính, xác suất và thống kê) cần thiết trong trí tuệ nhân tạo.
Toán học cơ bản cho trí tuệ nhân tạo! Ngay cả những người không chuyên ngành và những người đã bỏ cuộc cũng có thể làm được.
Chủ đề bài giảng
Toán học cơ bảnPhân biệtĐại số tuyến tínhXác suất và Thống kê
Tìm hiểu về phép tính vi phân, đại số tuyến tính, xác suất và thống kê, những kiến thức toán học thiết yếu cho trí tuệ nhân tạo. Chúng tôi cũng đã bao gồm phần toán học cơ bản trước khi học phép tính vi phân dành cho những người chưa có nền tảng toán học trước đó. Thay vì tập trung vào việc giải quyết vấn đề, bài giảng tập trung vào các nguyên tắc có thể hiểu được thông qua nhiều ví dụ và minh họa khác nhau.
Tại sao tôi nên tham gia lớp học này?
Bằng cách học toán AI cơ bản, bạn có thể nắm vững hoàn toàn thuật ngữ và quy trình tính toán liên quan đến AI (học máy và học sâu). Hơn nữa, các bài đăng tuyển dụng gần đây liên quan đến AI cho thấy ngày càng nhiều công ty yêu cầu các khóa học tiên quyết như xác suất và thống kê, bên cạnh việc hiểu biết về thuật toán. Nói cách khác, bằng cách học những kiến thức toán học cơ bản về trí tuệ nhân tạo, bạn sẽ có cơ hội tiếp cận và làm chủ toán học mà không sợ hãi, và thông qua khóa học này, bạn sẽ có thể củng cố nền tảng của trí tuệ nhân tạo.
Phần Giới thiệu
Chương 1: Toán học cơ bản
Trước khi tìm hiểu về phép tính vi phân, đại số tuyến tính, xác suất và thống kê, chúng ta sẽ tìm hiểu những kiến thức cơ bản về toán học nói chung.
Chương 2: Phân biệt
Tìm hiểu về phép phân biệt (một phần) cần thiết trong quá trình tính toán lan truyền ngược.
Chương 3: Đại số tuyến tính
Tìm hiểu về ý nghĩa của vectơ, không gian và các phép toán sử dụng vectơ.
Chương 4: Xác suất và Thống kê
Chúng ta sẽ khám phá lý do tại sao chúng ta cần xác suất và thống kê, cũng như ý nghĩa của các thuật ngữ khác nhau xuất hiện trong đó.
Những gì bạn sẽ đạt được từ khóa học này
Bất kỳ ai cũng có thể dễ dànghiểu được các thuật toán toán họcvà chúng có thể được ứng dụng rộng rãi.
Khóa học này bao gồm các kiến thức toán học cơ bản về trí tuệ nhân tạo, nhưng bằng cách nắm vững các kiến thức toán học cơ bản, bạn sẽ có thể hiểu được các thuật toán của trí tuệ nhân tạo . Nói cách khác, nếu bạn có thể thay đổi công việc liên quan đến AI hoặc hiện đang làm việc trong các lĩnh vực liên quan đến AI, nhiều ứng dụng khác nhau sẽ trở nên khả thi.
Các tính năng của bài giảng
Một lớp trung thành với nhiều ví dụ vànguyên tắc đồ thị
Bạn có thể nghĩ toán học là cách giải quyết vấn đề, nhưng khóa học này nhằm mục đích giúp bạn hiểu các nguyên tắc . Do đó, bạn có thể học toán theo cách thú vị với các giải thích sử dụng nhiều ví dụ và biểu đồ (tọa độ).
Câu hỏi dự kiến Hỏi & Đáp
H: Những người không học chuyên ngành chính có thể tham gia khóa học này không? A: Đây là khóa học toán dành cho người không chuyên. Do đó, ngay cả học sinh trung học cơ sở và trung học phổ thông cũng có thể tham gia khóa học này để tự tin hơn trong các lớp toán. Tất nhiên, khóa học này cũng dành cho những người đã học chuyên ngành toán nhưng trí nhớ có thể bị mờ nhạt do thời gian.
H: Tại sao tôi nên học toán trí tuệ nhân tạo cơ bản? A: Toán học cơ bản của trí tuệ nhân tạo là nền tảng của AI. Nếu không hiểu rõ toán học cơ bản, việc hiểu các thuật toán được sử dụng trong AI có thể gặp khó khăn, vì vậy việc học nó là điều cần thiết.
H: Khóa học này có ưu điểm gì đặc biệt không? A: Chúng tôi cung cấp nhiều ví dụ để nhấn mạnh các nguyên lý thay vì chỉ giải các bài toán, và chúng tôi sử dụng biểu đồ để giúp bạn dễ hiểu hơn. Do đó, bạn có thể học mà không bị áp lực.
📣 Hãy tham khảo bài viết này để học tập nhé! • Trong quá trình ghi chép và thu âm bài giảng, giọng tôi bị thu nhỏ. Nếu bạn ở trong môi trường ồn ào, bạn có thể gặp khó khăn khi nghe bài giảng.
Khuyến nghị cho những người này
Khóa học này dành cho ai?
Người mới tiếp cận trí tuệ nhân tạo,
Người đang làm việc liên quan đến trí tuệ nhân tạo nhưng muốn nắm vững kiến thức cơ bản.
Tôi là Jamie, tác giả của cuốn sách "Toán học cơ bản cho Trí tuệ nhân tạo cho mọi người", đồng thời là người trực tiếp giảng dạy khóa học Toán học cơ bản cho Trí tuệ nhân tạo.
Bắt đầu với vai trò là một nhà phát triển, tôi đã tích lũy được nhiều kinh nghiệm đa dạng trong lĩnh vực CNTT, từ DBA cho đến vận hành hệ thống. Giống như bất kỳ ai khác, những người kiếm sống trong ngành CNTT đều phải học tập suốt đời. Nhờ không ngừng nỗ lực học hỏi, tôi đã đạt được chứng chỉ Kỹ sư chuyên nghiệp về Quản lý thông tin (Information Management Professional Engineer) và Kỹ sư chuyên nghiệp về Ứng dụng hệ thống máy tính (Computer System Application Professional Engineer).
Hiện tại, tôi đang vận hành hệ thống Big Data và bản thân tôi cũng đang theo học chương trình Thạc sĩ để tiếp thu những kiến thức chuyên môn liên quan đến lĩnh vực này.
Tôi muốn chia sẻ những kiến thức đã học được ở trường cũng như những kinh nghiệm tích lũy từ thực tế công việc với những người đang gặp khó khăn tương tự như tôi.
Bản thân bài giảng không tệ. Tuy nhiên, chất lượng ghi âm chưa tốt và còn nhiều lỗi chính tả trong tài liệu. Sẽ không có vấn đề gì nếu nó miễn phí, nhưng chất lượng ghi âm và lỗi chính tả trong các bài giảng trả phí hơi đáng thất vọng.
Giọng nói trong video quá nhỏ và có những âm thanh máy móc lạ lùng... Mình bướng bỉnh nhưng không nghĩ mình sẽ chỉ xem video một lần mà hãy tìm và xem bất cứ khi nào mình cần. cải thiện âm thanh và tải lên lại.
![[Với R] Thống kê cơ bản cho học máyHình thu nhỏ khóa học](https://cdn.inflearn.com/public/courses/325155/course_cover/d8120723-26f7-4fcc-a25c-a99eef4ea0f6/machine-learning-statistics-r-eng.png?w=420)
