I.             Tổng quan

Để có cái nhìn tổng quan về thuật toán và hiểu các thuật toán hoạt động, tối ưu được các mô hình học máy và làm những tác vụ phức tạp, học viên cần có các kiến thức về đại số và giải tích và xác suất thống kê cơ bản.

Khóa học ‘Essential Maths for Machine Learning’ cung cấp cho học viên những kiến thức toán, xác suất thống kê cần thiết nhất trong lĩnh vực học máy, hay khoa học dữ liệu.

II.         Thời lượng: 24h

III.      Mục tiêu:

Nắm được các kiến thức toán học và xác suất, thống kê cần thiết cho việc tính toán.

IV.      Đối tượng tham gia:

-       Sinh viên từ các chuyên ngành khác nhau như công nghệ thông tin, toán tin, khoa học tự nhiên, kinh tế, tài chính, ngân hàng, ngoại thương v.v...

-       Người đi làm ở các ngành nghề khác nhau và có mong muốn chuyển sang ngành Khoa học dữ liệu, Phân tích dữ liệu, Học máy

V.          Nội dung khóa học:

1.      Introduction to Linear Algebra

• Scalars, Vectors, Matrices, Tensors
• Matrix Norms
• Special Matrices and Vectors
• Eigenvalues and Eigenvectors           

2.      Linear Algebra and Machine Learning

• Examples of Linear Algebra in Machine Learning

3.      Multivariate Calculus

• Derivatives
• Integrals
• Gradients
• Differential Operators
• Convex Optimization

4.      Probability and Statistics 1

Introduction to Probability Theory

• Probability Definition
• Independent Events; Conditional Probability
• Bayes’s Theorem
• Random Variables: Discrete – Continuous
• Bivariate/Multivariate: Marginal – Conditional – Joint distributions
• Transformation of Random Variables - Expectation

5.      Probability and Statistics 2

• Introduction to Statistics
• Statistics vs Machine Learning

6.      Probability and Statistics 3

Inferential Statistics

• Estimation
• Hypothesis Testing
• Regression