Khi bạn ban đầu học và làm cho machine learning, data analyses, AI nói chung, bạn chắc hẳn rằng phải đọc nhiều tài liệu giờ đồng hồ anh và giữa những tài liệu đó chắc chắn rằng sẽ chứa rất nhiều từ vựng về toán học và thuật ngữ siêng ngành.
Bạn đang xem: Đại số tuyến tính tiếng anh là gì
Bạn sẽ xem: đại số tuyến tính giờ anh là gìBình thường khi chạm chán những trường đoản cú đó, ta có thể tra trường đoản cú điển để tìm ra ý nghĩa sâu sắc của chúng, nhưng với từ điển, sẽ có rất nhiều ý nghĩa sâu sắc liên quan đến từ đó cùng những chân thành và ý nghĩa đó làm chúng ta phải mò vào. Còn một điều nữa là bao gồm từ cơ mà từ điển không tư tưởng theo toán học hoặc không lấy ví dụ, giải thích theo toán học tập cho bọn họ dễ hiểu.
Vì những tại sao đó nên bài này bạn thích tổng hợp với lấy lấy ví dụ cho những từ vựng và thuật ngữ vào toán học giúp chúng ta nắm bắt được cụ thể hơn.
Các tự vựng cùng thuật ngữ vào toán họcTừ vựng trong đại số cùng giải tích
Equation: phương trình, đẳng thức.Distributive Property: tính phân phối của phép nhân. Ví dụ: a(b+c) = ab + acLà một phương trình hàng đầu dạng f(x) = ax + b, phương trình tuyến tính bao gồm đồ thị vẫn là một đường thẳng.
Intercept: cắt, giao tuyến.Systems of equations: thăng bằng phương trình. Ví dụ: 2x + 14 = 8 2x = -6 x = -3Rate of change: tỉ lệ thay đổi ∆y∆x, cho thấy thêm y biến đổi nhanh hay chậm khi x nắm đổi. Slopecũng là rate of change.Analyze function: điều tra hàm số.Multivariate function: hàm nhiều biến số. Ví dụ: f(x, y) = ax + byMultivariate Diiferentiation: Đạo hàm của hàm nhiều biến đổi số.loss function: hàm mất mátconjugate transpose: đưa vị liên hợpsingular = degenerate: không khả nghịchinverse matrix: ma trận nghịch đảodiagonal matrix: ma trận mặt đường chéotriangular matrix: ma trận tam giácupper triangular matrix: ma trận tam giác trênlower triangular matrix: ma trận tam giác dướideterminant: định thứcspan space: không gian sinhrank: hạng của ma trậnorthogonal: trực giaoorthonormal: trực chuẩnEigenvalue: trị riêng biệt trong khái niệm ma trận.Eigenvector: vecto riêngTừ vựng trong so sánh dữ liệu
nominal data: dữ liệu được phân tách theo thang đo định danh, loại tài liệu này đa số phân loại giống như category chứ không cần phân biệt tài liệu nào lớn hơn hay tốt hơn.VD: id, name, gender
ordinal data: dữ liệu được phân tách theo thang đo sản phẩm công nghệ bậc.VD: level
qualitative data: dữ liệu mang tính định tính, nominal data và ordinal data thuộc team này.Xem thêm: Phim Ngôi Nha Hanh Phuc Thai Lan ) Tập 20 Vietsub + Thuyết Minh Full Hd
quantiative data: dữ liệu mang tính chất định lượng, là hồ hết loại tài liệu còn lại. Được phân loại theo từng đội mang tính rời rạc (discrete) xuất xắc liên tục (continous).VD:courceslà số khóa đào tạo đã học tập trước đó, thể hiện bởi những bé số trọn vẹn nên là dữ liệu mang tính rời rộc rạc (discrete), age, time (thời gian hoàn thành), grade (khối lớp)là gần như trường có mức giá trị nằm trong khoảng tiếp tục chứ ko cần là những con số toàn vẹn nên là dữ liệu mang tính liên tiếp (continous).
data visualization: trực quan tiền hóa dữ liệu, là hiển thị trực quan tài liệu bằng phần lớn biểu vật dụng để bọn họ trông thấy được.

histogram chart: biểu trang bị tần xuất, thường dùng làm trực quan liêu hóa dữ liệu định lượng (quantiative) với tính tiếp tục (continous).




measure of central tendency: đo phía tâm.measure of variance: đo phương sai.mean value: giá trị vừa đủ hay quý giá kỳ vọng, cam kết hiệuμhayx¯.standard diviation: độ lệch chuẩn chỉnh là mức độ phân tán của dữ liệu, đó là khoảng phương pháp của dữ liệu tới cực hiếm trung bình (mean).
Độ lêch chuẩn chỉnh có giá trị = căn bậc 2 của phương sai.
Công thức tổng quát:σ = ∑i=1N(Xi - μ)2N
Khi tính độ lệch chuẩn cho một mẫu dữ liệu đại diện thì dùng công thức:s = ∑i=1n(xi - x¯)2n - 1
variance: phương sai là trung bình (hay kỳ vọng) của bình phươngkhoảng cáchcủa mỗi điểm dữ liệu tới cực hiếm trung bình (mean), haygiá trị trung bình (kỳ vọng) của bình phương độ lệch.Phương sai có giá trị bởi bình phương của độ lệch chuẩn.
Công thức phương không nên tổng quát:σ2 = ∑i=1N(Xi - μ)2N
Khi tính phương sai cho một mẫu dữ liệu đại diện thay mặt thì dùng công thức:s2 = ∑i=1n(xi - x¯)2n - 1
Để hiểu bài bản và lý do vì sao phương sai cùng độ lệch chuẩn chỉnh được tính như trên thì bạn tham khảo ở đây.