Có 1 bạn hỏi mình là giờ chuẩn bị vào học AI mà toán đại học quên hết rồi. Bạn ấy cũng có có học các khóa AI trên mạng bằng tiếng việt, thầy cô giảng về Toán mà cũng quên hết, chỉ hiểu chung chung.
Mình nói thật là, từ lúc học và làm việc với AI thì mới biết Tích phân và Đạo hàm là gì á (kiến thức lớp 12) 🙂 nên các bạn cũng đừng quá lo lắng. Chỉ cần biết Toán tổng quát (ôn lại) chứ không cần phải mất thời gian ôn lại hết tất cả kiến thức đâu (theo mình nghĩ là không cần thiết, và cũng không đủ thời gian đâu).
Nay mình liệt kê cho các bạn mới vào học AI, về kiến thức Toán mình cần ôn lại là:
- Đại số tuyến tính (Linear Algebra)
- Giải tích (Calculus)
- Xác suất Thống kê (Statistics & Probabilities).
Dĩ nhiên, các khái niệm cơ bản như Số mũ (Exponents), giai thừa (Factorials), hay các ký hiệu toán học mình cũng nên nhận diện và biết đọc.
Về Đại số tuyến tính thì có Vô hướng (scalars), vector, ma trận 2 chiều (Matrix), hay ma trận nhiều chiều (Tensors).
Những khái niệm trên sẽ hỗ trợ các bạn hiểu về nhưng khái niệm mới trong AI sau này:
- Eigenvectors & Eigenvalues (cái này lúc mình học AI, cô giáo đọc chẳng hiểu nó là gì)
- Principal Component Analysis (PCA) : cái bài toán giảm chiều, tức là dữ liệu của mình có rất nhiều đặc trưng (không gian n chiều) thì thuật toán PCA này chuyển tập dữ liệu đó thành không gian mới với số chiều ít hơn, nhằm tối ưu hóa việc biến thiên của dữ liệu. Ví dụ, có 1 tấm ảnh chụp 1 cung điện có cổng, cửa sổ, có con mèo trong ảnh … với 50 đặc trưng, nhưng mình chỉ muốn (cần) thể hiện 1 vài đặc trưng thôi (chấp nhận mất dữ liệu; cái nào không cần thì không quan tâm), thì PCA giúp mình cái này.
Về Giải tích là mấy cái vụ Đạo hàm (Derivatives ) và Tích phân (), mà lớp 12 có học á. Việc nắm vững kiến thức này giúp cho mình hiểu 1 thuât toán quan trong trong AI, đó là thuật toán Gradient Descent (Gradient Algorithms)
Còn Xác suất Thống kê (lớp 12 có học) liên quan đến Kỳ vọng, Phương sai,… sau đó trong lúc học AI sẽ có thuât toán Bayes (Bayes’ Theorem )
