Bỏ qua tới nội dung chính

Khóa học cho chủ đề

Toán cho học máy

Mathematics for Machine Learning

Gợi ý tự động cho chủ đề, từ OpenER và các trường đại học. Xem các trường và tổ chức
  • 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 bìnhTiếng AnhBản quyềnCần 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 bảnTiếng AnhBản quyềnCần 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 bảnTiếng AnhBản quyềnCần 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