Bỏ qua tới nội dung chính

Toán cho học máy

Mathematics for Machine Learning

Toán cho học máy: đại số tuyến tính, giải tích vectơ, xác suất và tối ưu liên tục nhìn từ góc độ học máy, cầu nối từ toán đại cương sang các mô hình học máy.

4 khóa học đề xuất4 học liệu (1 tài liệu, 3 sách)1 bài viết

Hướng dẫn học chủ đề

Trung bìnhkhoảng 45 giờ6 bước
  • Biểu diễn dữ liệu và mô hình tuyến tính bằng vectơ, ma trận; dùng tích vô hướng, chuẩn và phép chiếu để đo độ giống và khoảng cách
  • Tính trị riêng, phân tích giá trị suy biến (SVD) và dùng chúng để giảm chiều dữ liệu bằng PCA
  • Tính gradient, ma trận Jacobi của hàm nhiều biến và áp dụng quy tắc dây chuyền như trong lan truyền ngược

Giáo trình: Mathematics for Machine Learning +2 sách khác

Đọc hướng dẫn đầy đủ
Thuộc nhóm Toán học · Mathematics5 chủ đề · khoảng 210 giờGiải tích, đại số tuyến tính, xác suất và thống kê, cùng toán cho học máy và tối ưu hóa — ngôn ngữ toán học mà thuật toán, đồ họa và học máy đều dựa vào.Xem nhóm
Chọn nguồn tự học

Không bắt buộc trước Học máy, nhưng nên học nếu thấy hổng toán. Học đến đâu, cài đặt bằng NumPy đến đó.

Khóa học đề xuất

Gợi ý tự động từ hướng dẫn học và tên khóa — chủ đề này chưa có danh sách tuyển chọn.

Xem tất cả (4)

UC Berkeley · CS 189/289A · Xuân 2026

Introduction to Machine Learning

Jennifer Listgarten, Alex Dimakis

Gợi ý tự độngVideo + tài liệuTrên OpenERCấp độ: Trung bìnhTiếng AnhBản quyền

Học máy (machine learning) là cốt lõi của trí tuệ nhân tạo hiện đại, làm thay đổi cách chúng ta tiếp cận các vấn đề trong lĩnh vực thị giác máy tính, ngôn ngữ, robot, hệ thống gợi ý và vô số lĩnh vực khác. Khóa học này giới thiệu các nền tảng lý thuyết, thuật toán và ứng dụng của học máy, kết hợp giữa tính chặt chẽ về mặt toán học và kinh nghiệm thực tiễn.

Vì sao gợi ý: Có trong Bước 6

45 bài

  • Imperial

    Mathematics for Machine Learning: PCA (mở trong tab mới)

    Toán cho học máy: Phân tích thành phần chính

    Marc Peter Deisenroth

    Gợi ý tự độngChỉ tài liệuLiên kết ngoàiCấp độ: Trung bìnhCần tài khoản miễn phí

    Khóa của Imperial College London trên Coursera do Marc Peter Deisenroth giảng: thống kê cơ bản của tập dữ liệu, tích trong, phép chiếu trực giao, rồi dẫn ra phân tích thành phần chính (PCA) như bài toán tối ưu, kèm bài thực hành Python.

    Vì sao gợi ý: Tên khớp “mathematics for machine learning” · tên khớp “toán cho học máy”

  • Imperial

    Mathematics for Machine Learning: Linear Algebra (mở trong tab mới)

    Toán cho học máy: Đại số tuyến tính

    David Dye

    Gợi ý tự độngChỉ tài liệuLiên kết ngoàiCấp độ: Cơ bảnCần tài khoản miễn phí

    Khóa nhập môn của Imperial College London trên Coursera, trình bày đại số tuyến tính gắn với dữ liệu và học máy: vectơ, ma trận như phép biến đổi, đổi cơ sở, trị riêng và ví dụ PageRank, kèm bài thực hành lập trình Python.

    Vì sao gợi ý: Tên khớp “mathematics for machine learning” · tên khớp “toán cho học máy”

    • Dễ bắt đầu

  • Imperial

    Mathematics for Machine Learning: Multivariate Calculus (mở trong tab mới)

    Toán cho học máy: Giải tích nhiều biến

    Samuel J. Cooper, David Dye +1

    Gợi ý tự độngChỉ tài liệuLiên kết ngoàiCấp độ: Cơ bảnCần tài khoản miễn phí

    Khóa ngắn của Imperial College London trên Coursera: từ độ dốc tới định nghĩa đạo hàm và gradient, các quy tắc tính đạo hàm, ma trận Jacobi và Hesse, khai triển Taylor để xấp xỉ hàm, phương pháp Newton–Raphson, nhân tử Lagrange và hạ gradient, áp dụng vào mạng nơ-ron và hồi quy, kèm bài thực hành Python.

    Vì sao gợi ý: Tên khớp “mathematics for machine learning” · tên khớp “toán cho học máy”

    • Dễ bắt đầu

Bài viết

Bài đọc mở đầu

Toán cho học máy: ba môn toán cùng làm việc trong một mô hình

Đại số tuyến tính, giải tích và xác suất ghép lại thế nào trong một mô hình học máy: hàm mất mát, lan truyền ngược, hợp lý cực đại, PCA — và học từ đâu.

20 phút đọc · Cập nhật 09/11/2026
Tài liệu

Mathematics for Machine Learning

UC Berkeley

Cập nhật 09/10/2026
Sách

Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares

Trang chính thức của tác giả (Stanford)

Giáo trình đại số tuyến tính ứng dụng của Boyd và Vandenberghe (Stanford), xoay quanh vectơ, ma trận và bình phương tối thiểu với rất nhiều ứng dụng kỹ thuật — bước đệm tốt trước tối ưu lồi. Bản PDF miễn phí trên trang tác giả; bản quyền thuộc Cambridge University Press.

Cập nhật 26/09/2026
Sách

Linear Algebra and Learning from Data

Trang chính thức của sách (MIT)

Giáo trình của môn MIT 18.065: phân rã ma trận, SVD, xấp xỉ hạng thấp, bình phương tối thiểu, tối ưu và gradient ngẫu nhiên, cấu trúc của mạng nơ-ron sâu.

Cập nhật 26/09/2026
Sách

Mathematics for Machine Learning

mml-book.github.io

Nền tảng toán cho học máy: đại số tuyến tính, hình học giải tích, phân rã ma trận, giải tích vector, xác suất và tối ưu, áp dụng vào hồi quy, PCA, mô hình hỗn hợp Gauss và SVM.

Cập nhật 24/09/2026

Chủ đề này còn ít nội dung

Xem thêm các chủ đề cùng nhóm Toán học, hoặc tìm trên toàn trang.