Bộ lọc Kalman 1: Bài giảng hiểu về nguyên lý toán học chính xác của bộ lọc Kalman thông qua các ví dụ

Đây là lý thuyết tối ưu hóa cần thiết cho AI/Deep Learning, Thị giác máy tính, Đồ họa máy tính, v.v. Trong Lý thuyết tối ưu hóa 1, chúng tôi tập trung vào định nghĩa của hàm đa biến và đạo hàm của hàm đa biến. Tại sao lại như vậy? Đó là bởi vì tất cả các bài toán tối ưu hóa đều được biểu diễn dưới dạng hàm đa biến. Nếu bạn nắm vững định nghĩa chính xác và khái niệm đạo hàm của hàm đa biến, việc tiếp cận lý thuyết trong các lĩnh vực trên sẽ trở nên dễ dàng hơn rất nhiều.

Đây là khóa học Đại số tuyến tính chuyên sâu dành cho sinh viên và chuyên gia các ngành kỹ thuật như Học máy (Machine Learning), AI, Robot học, Thị giác máy tính, v.v. Khóa học này được đề xuất cho những ai muốn nghiên cứu sâu về Đại số tuyến tính. Nội dung được trình bày một cách dễ hiểu nhất có thể, đồng thời đi sâu vào các chủ đề cốt lõi thông qua việc lựa chọn và tập trung vào các nội dung quan trọng.

Việc nắm vững lý thuyết xác suất là điều bắt buộc khi học về AI hay Machine Learning. Tôi đề xuất tài liệu này cho những ai muốn nghiên cứu sâu hơn về lý thuyết xác suất.

Cốt lõi của tất cả AI/Deep Learning cuối cùng đều là tối ưu hóa. Tất nhiên không chỉ riêng AI/Deep Learning mới cần lý thuyết tối ưu hóa. Computer Vision, Robotics & Control Systems, Financial Engineering & Quant, Data Science, Signal Processing... có lẽ dù học lĩnh vực nào, khi đi sâu hơn thì lý thuyết tối ưu hóa là một trong những chủ đề mà bạn chắc chắn sẽ gặp phải. Khóa học này bao gồm từ lý thuyết cơ bản về toán học đến những nội dung sâu sắc một cách có hệ thống. Tôi nghĩ đây chắc chắn là khóa học lý thuyết tối ưu hóa tốt nhất được mở trong nước.

Nắm vững đại số tuyến tính cần thiết cho AI/học sâu bằng cách đầu tư 10 phút mỗi ngày và hoàn thành nó trong một tháng.

Đây là lý thuyết tối ưu hóa cần thiết cho AI/Deep Learning, Thị giác máy tính, Đồ họa máy tính, v.v. Trong Lý thuyết tối ưu hóa 1, chúng tôi tập trung vào định nghĩa của hàm đa biến và đạo hàm của hàm đa biến. Tại sao lại như vậy? Đó là bởi vì tất cả các bài toán tối ưu hóa đều được biểu diễn dưới dạng hàm đa biến. Nếu bạn nắm vững định nghĩa chính xác và khái niệm đạo hàm của hàm đa biến, việc tiếp cận lý thuyết trong các lĩnh vực trên sẽ trở nên dễ dàng hơn rất nhiều.

Cuốn sách hoàn hảo nhất cho việc ĐỖ TẤT CẢ các bài kiểm tra coding

Chúng tôi sẽ làm cho các thuật toán trở nên dễ dàng chỉ trong hai tuần giảng dạy. Chúng ta sử dụng máy tính để được thoải mái, vậy tại sao bạn lại dành quá nhiều thời gian cho máy tính?

Làm chủ hoàn toàn từ việc triển khai lý thuyết động học và động lực học bằng mã nguồn tự viết không qua mã nguồn mở, cho đến giao diện truyền thông của cánh tay robot đa khớp.

Khóa học này cung cấp nội dung chuyên sâu về phương trình vi phân và bộ công cụ MATLAB® ODE. Người học có thể hiểu được các nguyên lý và ứng dụng của phương trình vi phân, đồng thời phát triển kỹ năng giải quyết vấn đề bằng cách sử dụng MATLAB.

Để chuẩn bị cho bài kiểm tra viết mã của công ty CNTT [Lý thuyết cốt lõi về cấu trúc dữ liệu và thuật toán & [Đây là bài giảng giải các bài toán thực tế liên quan.] - Phiên bản Python -

Đây là khóa học thực hành tự tay chế tạo xe tự hành dựa trên AI bằng cách sử dụng Raspberry Pi và các cảm biến đa dạng.

Đây là khóa học nhập môn Python dựa trên giáo trình tương tác. Bạn sẽ hiểu được nguyên lý hoạt động của lập trình thông qua các trò chơi board game dễ thương.

Thử thách Giải đố Mã nguồn là một khóa huấn luyện tập trung trong 4 tuần về "tư duy lập trình", giúp bạn ra lệnh cho máy tính hoạt động theo ý muốn dựa trên nội dung "Học lập trình 1" của Swift Playgrounds. Thông qua việc giải quyết các nhiệm vụ giải đố trong mỗi buổi học, người tham gia sẽ tự nhiên học được cách phân tách vấn đề thành các bước nhỏ, nhận diện mẫu để sắp xếp các quy tắc lặp lại bằng vòng lặp for hoặc hàm, và đưa ra các phán đoán logic để thay đổi hành động tùy theo tình huống. Không chỉ dừng lại ở việc tìm ra đáp án đúng, người học sẽ đạt đến trình độ có thể giải thích và chỉnh sửa lý do "tại sao mình lại giải quyết theo cách này".

RUR-PLE là phần mềm giáo dục được tạo ra bằng Python nhằm giúp học sinh học SW (phần mềm) dễ dàng hơn. Tại đây, chúng tôi sẽ giúp bạn tìm hiểu những gì có thể làm được với SW và rèn luyện tư duy máy tính thông qua các bài thực hành đơn giản.

Khi học học máy, ta được dạy cách nâng cao độ chính xác. Nhưng đến lúc đưa mô hình lên chip thực tế, lại nảy sinh những câu hỏi mà chẳng ai chỉ bảo. Mô hình này thực hiện bao nhiêu phép nhân? Nó cần lưu trữ những gì và dung lượng bao nhiêu? Thông số kỹ thuật của con chip mục tiêu hiện tại có thể đáp ứng nổi những yêu cầu đó chăng? Giáo trình học máy thì bàn về độ chính xác, còn giáo trình bán dẫn lại nói về mạch điện, nhưng tài liệu kết nối hai lĩnh vực này lại vô cùng khan hiếm. Tôi đã nhiều lần đối mặt với khoảng trống này khi triển khai CPU RISC-V và NPU trên FPGA. Đó là tình cảnh mô hình có độ chính xác cao nhất lại chẳng thể nào nhét vừa vào board mạch. Khóa học này sẽ hướng dẫn bạn tự tay xây dựng sáu thuật toán bằng Python, đồng thời đo lường số phép nhân, phép so sánh, dung lượng bộ nhớ và độ chính xác ở mỗi thuật toán. Sau đó, quy đổi các giá trị này sang tài nguyên thực tế trên board FPGA. Bởi lẽ, nói "bao nhiêu phép nhân" thì khó mà hình dung được quy mô, nhưng nếu nói "chiếm bao nhiêu phần trăm tài nguyên board" thì ta dễ dàng đánh giá được. Trải qua 9 bài Lab và gom sáu mô hình vào chung một bảng, ta sẽ thấy một bức tranh hoàn toàn khác với dự đoán. Đã dành tới 9 bài chỉ để đếm số phép nhân, nhưng thứ thực sự gây trở ngại lại không phải là phép nhân. Tiếp theo, ta sẽ chuyển đổi số thực thành số nguyên, quản lý độ rộng bit, và xây dựng cả bộ tiêu chí để đánh giá mạch. Bạn không cần phải có board FPGA. Khóa học chỉ sử dụng Python, còn board mạch chỉ đóng vai trò làm hệ quy chiếu để quy đổi các giá trị đo lường.

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.

Khóa học này là khóa học dành cho những người chuẩn bị thi CosPro cấp 1, là quá trình giải đề mẫu COS Pro cấp 1 được công ty YBMnet (đơn vị tổ chức thi) công bố.

Đây là khóa học hữu ích dành cho những ai muốn hệ thống lại kiến thức Deep Learning một cách chuyên sâu và nắm bắt bức tranh toàn cảnh thông qua việc tập trung vào lý thuyết và bối cảnh thay vì thực hành. Bạn có thể dễ dàng thấu hiểu nền tảng toán học và thống kê vốn là gốc rễ của Deep Learning, đồng thời chúng tôi sẽ giải thích một cách trực quan các nguyên lý của những mô hình Deep Learning hiện đại tiêu biểu như AutoEncoder, GAN, Transformer, AlphaGo dưới góc nhìn của một nhà phát triển.