Mathematical Foundations for Machine Learning (bằng tiếng Anh).

Để thực sự làm chủ lĩnh vực này, bạn cần phải vượt qua việc đơn giản sử dụng thư viện và hiểu các nguyên tắc toán học cốt lõi làm cho các thuật toán hoạt động. Chương trình này giải thích các khái niệm toán học cơ bản đằng sau việc học máy. Bạn sẽ xây dựng một nền tảng vững chắc trong đại số tuyến tính, giải tích, xác suất, và tối ưu hóa, học cách xem các thuật toán không phải là mã trừu tượng, mà là các kháo niệm ứng dụng toán học. Bạn sẽ có được sự tự tin để đọc các mô tả kỹ thuật và nắm bắt các hoạt động bên trong của các mô hình phổ biến. Bạn sẽ học được: - Hiểu vai trò của vector và ma trận trong việc đại diện dữ liệu và thực hiện các biến đổi. - Ứng dụng các khái niệm giải tích như đạo hàm và gradient để xem các mô hình học cách nào thông qua tối ưu hóa. - Học lý thuyết xác suất cơ bản để suy luận về sự không chắc chắn và đánh giá kết quả mô hình. - Nắm bắt các nguyên tắc cốt lõi của tối ưu hóa, bao gồm cả logic đằng sau gradient descent. - Kết nối lý thuyết toán học với các nhiệm vụ học máy thực tế như hồi quy và phân loại. - Tạo niềm tin để đọc và giải thích ký hiệu được sử dụng trong nghiên cứu học máy. Chúng ta bắt đầu với những nguyên tắc đầu tiên, thiết lập các thuật ngữ và khái niệm chính. Chương trình này được thiết kế cho người mới học máy. Không cần phải có kinh nghiệm trước đó trong khoa học dữ liệu hay lập trình, mặc dù việc quen thuộc với toán học ở cấp trung học sẽ có ích. Bắt đầu xây dựng kiến thức cơ bản của bạn hôm nay.