Lesson 01
Phân phối mẫu, standard error, Định lý giới hạn trung tâm — vì sao mean luôn ~Normal khi n đủ lớn.
Lesson 02
CI 95% nghĩa là gì, dùng z khi nào, t khi nào; bootstrap CI cho dữ liệu lệch.
Lesson 03
H₀/H₁, α, β; one-sample z-test, t-test; p-value và vùng reject.
Lesson 04
Independent t-test (pooled / Welch), paired t-test — A/B test cơ bản.
Lesson 05
One-way ANOVA cho ≥ 3 nhóm; χ² goodness-of-fit và test of independence.
Lesson 06
Đọc đúng p-value, sai lầm phổ biến; type II error, power, Cohen's d, sample size calc.
Lesson 07
Bootstrap (CI không cần giả định Normal); permutation test (non-parametric two-sample).
Lesson 08
OLS, least squares, slope/intercept, R², residual & giả định, kiểm định hệ số — mô hình dự đoán biến liên tục.
Lesson 09
Nhiều biến dự báo, dạng ma trận β=(XᵀX)⁻¹Xᵀy, adjusted R², đa cộng tuyến, dummy variable, overfitting.
Lesson 10
Phân loại nhị phân, sigmoid, odds/log-odds, decision boundary, confusion matrix — nền của classification & neural net.