Deep AI KhanhBlog
Lời nói đầu
Giới thiệu
Các chương dự kiến
Mục tiêu cuốn sách
Latex
Bảng thuật ngữ
Phụ lục
1. Định dạng dữ liệu
1.1. Các định dạng số, boolean và ký tự
2. Pandas
2.1. Khởi tạo dataframe
3. Numpy
3.1. Khởi tạo một mảng trên numpy
4. Matplotlib
4.1. Format chung của một biểu đồ trên matplotlib
5. Lập trình hướng đối tượng (Object Oriented Programming - OOP)
5.1. Class và Object
6. Sklearn Pipeline
6.1. Thiết kế pipeline
7. Giới thiệu chung về optimization
7.1. Bài toán dạng tổng quát
Đại số tuyến tính
1. Đại số tuyến tính
Giới thiệu
1. Giải tích tích phân
Xác suất
1. Xác suất
Machine Learning
1. Khái quát Machine Learning
2. Bài toán dự báo
2.1. Ứng dụng của hồi qui tuyến tính
2.2. Hồi qui Ridge và Lasso
2.2.2. Hồi qui Ridge
3. Bài toán phân loại
3.1. Hồi qui Logistic
4. Độ chệch (
bias
) và phương sai (
variance
)
4.1. Sự đánh đổi giữa độ chệch và phương sai
5. Thước đo mô hình phân loại
5.1. Bộ dữ liệu
6. Ứng dụng mô hình scorecard
6.1. Phương pháp chuyên gia và mô hình
7. Giới thiệu về SVM
7.1. Hàm mất mát của SVM
8. Khái niệm về cây quyết định
8.1. Mô hình cây quyết định (
decision tree
)
9. Giới thiệu về mô hình rừng cây (
Random Forest
)
9.1. Ý tưởng của mô hình rừng cây
10. Bạn là
Tần suất
(
Frequentist
) hay
Bayesian
?
10.1. Ước lượng hợp lý tối đa (
Maximum Likelihood Function - MLE
)
11. Giới thiệu về feature engineering
11.1. Feature Engineering
12. Phương pháp tăng cường (
Boosting
)
12.1. AdaBoosting
13. k-Means Clustering
13.1. Các bước của thuật toán k-Means Clustering
14. Hierarchical Clustering (
phân cụm phân cấp
)
14.1. Chiến lược hợp nhất (
agglomerative
)
15. DBSCAN
15.1. Phương pháp phân cụm dựa trên mật độ (
Density-Based Clustering
)
16. Gaussian Mixture Model
16.1. Ước lượng MLE cho
phân phối Gaussian đa chiều
17. Giảm chiều dữ liệu
17.1. Phương pháp phân tích suy biến
Đóng góp từ những tác giả khác
Tích phân Riemann và định lý Fubini
Lý thuyết thông tin
repository
open issue
Index
