Bạn có thể hiểu nguyên lý hoạt động về mặt lý thuyết của EKF (Kalman mở rộng), UKF (Kalman Unscented) và Particle Filter (bộ lọc hạt) thông qua các ví dụ đơn giản.

Đây là khóa học đại số tuyến tính chuyên sâu dành cho sinh viên các ngành kỹ thuật như học máy, AI, Robotics, thị giác máy tính, v.v. Khóa học phù hợp với những ai muốn học đại số tuyến tính một cách chuyên sâu. Nội dung được giải thích dễ hiểu nhất có thể, đồng thời đi sâu vào các chủ đề quan trọng thông qua việc lựa chọn và tập trung vào những nội dung cốt lõi.

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.

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.

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.

Bạn có thể hiểu nguyên lý hoạt động lý thuyết của bộ lọc Kalman (Kalman Filter) thông qua các ví dụ đơn giản.