PDF Daily AI Exercise (AIO)

247 trang

Tài liệu là các bài tập luyện tập AI hàng ngày (Daily AI Exercise - AIO) tập trung vào các kiến thức cơ bản về Python và các khái niệm liên quan đến AI/Machine Learning/NLP.

1. Cấu trúc điều kiện và vòng lặp Python:

• If-Else: Cấu trúc điều kiện cơ bản (if, elif, else) được dùng để thực thi các khối lệnh khác nhau dựa trên kết quả điều kiện.
  • Bài tập: Giải phương trình bậc 2, Tính lịch Can Chi.
• For-Loop: Vòng lặp để duyệt qua các phần tử trong chuỗi hoặc dải giá trị.
  • Bài tập: Tính lãi suất kép (dựa trên số $e$), Thuật toán sàng số nguyên tố Eratosthenes, bài toán Fizz-Buzz, Tính giai thừa, Tính tổng chẵn/lẻ.
• While-Loop, continue và break: Vòng lặp lặp lại khi điều kiện còn đúng, dùng break để thoát, continue để bỏ qua lần lặp hiện tại.
  • Bài tập: Tìm số chia hết nhỏ nhất lớn hơn 100, Tính căn bậc hai bằng phương pháp Newton, Mô phỏng sự ngẫu nhiên.

2. Kiểu dữ liệu cơ bản và Thuật toán trên List:

• List và Tuple: So sánh tính chất (mutable/immutable), cách dùng.
  • Bài tập: Thao tác vector trên Tuple (tổng, tích, khoảng cách), Tìm kiếm/Nội suy giá trị None trong List, Thao tác trên List 2D (khởi tạo, trích xuất).
• Ma trận: Biểu diễn ma trận bằng List 2D.
  • Bài tập: Cộng/Trừ ma trận, Tính tích vô hướng (Dot Product) của hai ma trận (không dùng numpy).
• List Comprehension: Cú pháp ngắn gọn để tạo List mới.
  • Bài tập: Loại bỏ stop words.
• Toán học với List: Chuẩn hóa dữ liệu (Normalization), Trung bình động (Moving Average), Tích vô hướng của hai vector, Mô phỏng Perceptron (tổng trọng số + ReLU).

3. Xử lý Dữ liệu Văn bản (NLP) và Trực quan hóa:

• Bag of Words (BoW): Thuật toán phân loại văn bản, biểu diễn văn bản dưới dạng vector số lần xuất hiện từ.
  • Bài tập: Tạo BoW.
• Làm việc với File: Đọc/Ghi file, sử dụng open() và with.
  • Bài tập: Lưu List vào file, lọc số chia hết cho 3, Phân tích văn bản (loại bỏ ký tự, tìm từ duy nhất, đếm tần suất).
• Thư viện Pandas và PygWalker: Giới thiệu Pandas để phân tích dữ liệu và PygWalker để trực quan hóa dữ liệu tương tác.
  • Bài tập: Thống kê dataset McDonald's, Vẽ biểu đồ phân phối/cột/bản đồ với PygWalker.
• Các Thư viện NLP:
  • Gensim: Phân tích văn bản, mô hình hóa ngôn ngữ (Word2Vec).
  • Newspaper3k và NLTK: Trích xuất dữ liệu bài báo, Phân tích cú pháp (POS tagging).
  • Translate và Googletrans: Dịch thuật văn bản.
  • Underthesea: Xử lý ngôn ngữ tự nhiên Tiếng Việt (POS tagging, Text classification, Sentiment analysis, Segmentation).
• Thư viện Xử lý Âm thanh: Giới thiệu Librosa, Scipy, SpeechRecognition, gtts.
• Thống kê Cơ bản: Giới thiệu Correlation và Correlation Coefficient (Hệ số tương quan Pearson).
  • Bài tập: Tính hệ số tương quan giữa các features trong tập advertising.csv.