Thí nghiệm Đại số tuyến tính: Hệ phương trình và nghiệm giúp sinh viên khám phá mối liên hệ giữa ma trận, định thức và nghiệm của hệ phương trình. Thông qua các biểu diễn trực quan, sinh viên có thể quan sát và phân biệt các trường hợp nghiệm dưới cả góc nhìn đại số và hình học.

Tài liệu Machine Learning cơ bản cung cấp những kiến thức nền tảng về học máy, giúp người học hiểu được nguyên lý hoạt động và các phương pháp xây dựng mô hình trí tuệ nhân tạo từ dữ liệu. Nội dung tài liệu giới thiệu các khái niệm cơ bản về Machine Learning, quy trình xây dựng mô hình, tiền xử lý dữ liệu, lựa chọn đặc trưng, huấn luyện và đánh giá mô hình, cùng các nhóm thuật toán phổ biến như học có giám sát, học không giám sát và học tăng cường.

Tài liệu "Nhập môn khoa học dữ liệu" cung cấp kiến thức cơ bản về đại số tuyến tính, xác suất, thống kê, chuẩn bị, trực quan hóa dữ liệu, học máy, SQL và hệ khuyến nghị. Ngoài các nội dung nền tảng, tài liệu còn giúp người học hiểu rõ cách áp dụng các phương pháp khoa học dữ liệu vào bài toán thực tế.

Bộ 260+ câu hỏi trắc nghiệm Đại số tuyến tính kèm đáp án chi tiết giúp sinh viên củng cố kiến thức cốt lõi, rèn luyện kỹ năng giải nhanh và chuẩn bị tốt cho các kỳ thi.

Chương 1 của bài giảng "Đại số tuyến tính" của PGS.TS Trần Tuấn Nam, trình bày các nội dung:Lý thuyết tập hợp, ánh xạ, logic và logic mệnh đề, logic vị từ.

Chương 2 của bài giảng "Đại số tuyến tính" trình bày các nội dung: Ma trận và Định thức. Giới thiệu ma trận, phép toán (cộng, nhân số, nhân ma trận), ma trận vuông, đơn vị, đối xứng.

Chương 3 của bài giảng trình bày về hệ phương trình tuyến tính: định nghĩa, dạng ma trận, điều kiện có nghiệm (Kronecker-Capelli), và phương pháp khử Gauss để giải hệ.