Mở đầu

Khi bạn bắt đầu học và làm machine learning, data analyses, AI nói chung, bạn chắc chắn phải đọc nhiều tài liệu tiếng anh và trong những tài liệu đó chắc chắn sẽ chứa rất nhiều từ vựng về toán học và thuật ngữ chuyên ngành.Bạn đang xem: Tích phân tiếng anh là gì

Bình thường khi gặp những từ đó, ta có thể tra từ điển để tìm ra ý nghĩa của chúng, nhưng với từ điển, sẽ có rất nhiều ý nghĩa liên quan tới từ đó và những ý nghĩa đó làm chúng ta phải mò vào. Còn một điều nữa là có những từ mà từ điển không định nghĩa theo toán học hoặc không lấy ví dụ, giải thích theo toán học cho chúng ta dễ hiểu.

Bạn đang xem: Tích phân tiếng anh là gì

Vì những lý do đó nên bài này mình muốn tổng hợp và lấy ví dụ cho những từ vựng và thuật ngữ trong toán học giúp chúng ta nắm bắt được rõ ràng hơn.

Các từ vựng và thuật ngữ trong toán học

Từ vựng trong đại số và giải tích

Equation: phương trình, đẳng thức.Distributive Property: tính phân phối của phép nhân. Ví dụ: a(b+c) = ab + ac

Là một phương trình bậc nhất dạng f(x) = ax + b, phương trình tuyến tính có đồ thị luôn là một đường thẳng.

Intercept: cắt, giao tuyến.Systems of equations: cân bằng phương trình. Ví dụ: 2x + 14 = 8 2x = -6 x = -3Rate of change: tỉ lệ thay đổi ∆y∆x, cho biết y thay đổi nhanh hay chậm khi x thay đổi. Slopecũng là rate of change.Analyze function: khảo sát hàm số.Multivariate function: hàm nhiều biến số. Ví dụ: f(x, y) = ax + byMultivariate Diiferentiation: Đạo hàm của hàm nhiều biến số.loss function: hàm mất mátconjugate transpose: chuyển vị liên hợpsingular = degenerate: không khả nghịchinverse matrix: ma trận nghịch đảodiagonal matrix: ma trận 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 trong khái niệm ma trận.Eigenvector: vecto riêng

Từ vựng trong phân tích dữ liệu

nominal data: dữ liệu được chia theo thang đo định danh, loại dữ liệu này phần lớn phân loại giống như category chứ không phân biệt dữ liệu nào lớn hơn hay tốt hơn.

VD: id, name, gender

ordinal data: dữ liệu được chia theo thang đo thứ bậc.

VD: level

qualitative data: dữ liệu mang tính định tính, nominal dataordinal data thuộc nhóm này.

Xem thêm: Payment Due Date Là Gì - Định Nghĩa Và Giải Thích Ý Nghĩa

quantiative data: dữ liệu mang tính định lượng, là những loại dữ liệu còn lại. Được phân chia theo từng nhóm mang tính rời rạc (discrete) hay liên tục (continous).

VD:courceslà số khóa học đã học trước đó, thể hiện bằng những con số toàn vẹn nên là dữ liệu mang tính rời rạc (discrete), age, time (thời gian hoàn thành), grade (khối lớp)là những trường có giá trị nằm trong khoảng liên tục chứ ko phải là những con số toàn vẹn nên là dữ liệu mang tính liên tục (continous).

data visualization: trực quan hóa dữ liệu, là hiển thị trực quan dữ liệu bằng những biểu đồ để chúng ta trông thấy được.


*

histogram chart: biểu đồ tần xuất, thường dùng để trực quan hóa dữ liệu định lượng (quantiative) mang tính liên tục (continous).


*

*

*

*

measure of central tendency: đo hướng tâm.measure of variance: đo phương sai.mean value: giá trị trung bình hay giá trị kỳ vọng, ký hiệuμhayx¯.standard diviation: độ lệch chuẩn là mức độ phân tán của dữ liệu, chính là khoảng cách của dữ liệu tới giá trị trung bình (mean).

Độ lêch chuẩn 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 giá trị trung bình (mean), haygiá trị trung bình (kỳ vọng) của bình phương độ lệch.

Phương sai có giá trị bằng bình phương của độ lệch chuẩn.

Công thức phương sai tổng quát:σ2 = ∑i=1N(Xi - μ)2N

Khi tính phương sai cho một mẫu dữ liệu đại diện thì dùng công thức:s2 = ∑i=1n(xi - x¯)2n - 1

Để hiểu bài bản và lý do vì sao phương sai và độ lệch chuẩn được tính như trên thì bạn tham khảo ở đây.

Bài viết liên quan

Trả lời

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *