"Math AI là môn toán tương lai của IB — kết nối thẳng với data science, AI và business analytics ở đại học."
— Dr. Sarah Mitchell, Cambridge Mathematics Faculty
Math Applications & Interpretation HL là môn toán được thiết kế cho thế kỷ 21 — tập trung vào những kỹ năng thật sự cần thiết cho ngành Business Analytics, Data Science, Architecture, Design, Psychology và Social Sciences.
Khác với Math AA (đào sâu theory thuần tuý), Math AI HL nhấn mạnh vào statistics, modeling, technology & data interpretation. Học sinh sẽ làm việc nhiều với GeoGebra, regression analysis, hypothesis testing — các công cụ thực tế ở đại học và công việc.
Topic Statistics & Probability chiếm 52 giờ trong 240 giờ tổng (gấp đôi Math AA HL), cùng với một topic mới: Discrete Mathematics, bao gồm graph theory và adjacency matrices — nền tảng cho Computer Science.
Tại Gia Sư IB, bên mình đã hướng dẫn 290+ học viên Math AI HL, với 84% đạt level 6+ và đặc biệt 100% học viên có IA điểm 17/20 trở lên nhờ phương pháp data-driven của bên mình.
02 · Syllabus
5 topic Math AI HL chuẩn IBO 2026
01·
Number & Algebra
29 giờ · HL extended
Number sets, sequences, exponentials, log scale, complex numbers ứng dụng (electrical, AC circuits). HL: matrices & eigenvalues.
Sequences & loans/finance
Logarithmic scales (Richter, pH)
Complex numbers in AC circuits
Matrices & transformations (HL)
02·
Functions & Modeling
42 giờ · HL extended
Modeling thực tế bằng hàm: population growth, cooling curves, market saturation. HL: trigonometric & piecewise functions.
Linear, quadratic models
Exponential growth/decay
Logistic models (HL)
Trigonometric & piecewise functions
03·
Geometry & Trig
46 giờ · HL extended
3D geometry ứng dụng (kiến trúc, design), Voronoi diagrams (urban planning), graph theory cơ bản. HL: vectors & cross product.
3D coordinate geometry
Voronoi diagrams & nearest neighbour
Graph theory basics (HL)
Vectors & cross product (HL)
04·
Statistics & Probability
52 giờ · HL extended
Topic quan trọng nhất của Math AI HL — chiếm 22% chương trình. Hypothesis testing, chi-squared, regression, distributions.
Descriptive statistics & visualisation
Probability & distributions
Hypothesis testing (chi-sq, t-test)
Regression & correlation
05·
Calculus
41 giờ · HL extended
Đạo hàm và tích phân ứng dụng — optimisation thực tế, kinematics, differential equations đơn giản.
Derivatives & applications
Integration in real contexts
Differential equations (HL)
Slope fields & Euler's method (HL)
IA·
Internal Assessment
30 giờ · 20% tổng điểm
Bài nghiên cứu toán ứng dụng 12-20 trang. Thường liên quan tới statistics, modeling, hoặc data analysis từ thực tế.
Statistics-based exploration
Real-world data collection
Modeling & validation
Full mentorship
03 · Đánh giá
Cấu trúc thi Math AI HL
Phần
Thời gian
Mô tả
Tỉ trọng
Paper 1Short response · GDC
120 phút
Khoảng 14 câu ngắn, được dùng máy tính đồ thị. Bao quát toàn bộ syllabus, không có trick questions.
30%
Paper 2Extended · GDC
120 phút
Câu hỏi dài hơn, thường có data sets. Yêu cầu interpret và justify, không chỉ tính ra đáp số.
30%
Paper 3HL only — Modeling
60 phút
2 câu hỏi dài về modeling thực tế. Khác với AA HL Paper 3 — tập trung ứng dụng, không phải proof.
20%
IAMathematical Exploration
Trong DP2
Bài nghiên cứu cá nhân 12-20 trang, ưu tiên đề tài có data thực và analysis bằng technology.
20%
290+
Học viên Math AI HL trong 3 năm
36%
Đạt level 7 (global: 14%)
+2.0
Điểm tăng TB so với predicted
100%
IA đạt 17+ trên 20
05 · Gia sư
Gia sư senior Math AI HL
PT
Mr. Patrick Tran
Statistics Lead
MSc Cambridge · Ex-Goldman Sachs
52 giờ Statistics là 1/4 chương trình — nắm vững phần này là đã có 25% điểm trong tay trước khi bắt đầu các topic khác.
6.7Avg
120+HV
4.97Rating
DT
Dr. Thanh Đỗ
Modeling & Calculus
PhD NUS · 8 năm IB
Math AI Paper 3 hoàn toàn khác AA Paper 3 — không phải proof mà là modeling. Cần training riêng cho phần này.
6.6Avg
90+HV
4.95Rating
SK
Ms. Sarah Khải
IA Mentor & Tech Tools
MSc Stanford · Data Scientist
IA Math AI cần data thật — không phải tính lý thuyết. Tôi giúp học viên collect, clean và analyse data đúng chuẩn.
6.8Avg
80+HV
4.99Rating
06 · Hỏi đáp
Câu hỏi về Math AI HL
Math AI HL có được chấp nhận ở các trường top không?
+
Có — nhưng tuỳ ngành. Math AI HL được chấp nhận cho Business, Economics (hầu hết trường), Architecture, Psychology, Social Sciences. Không được chấp nhận cho Engineering, Pure Math, Physics, Computer Science tại Oxbridge/Imperial — những trường này yêu cầu Math AA HL. Hãy kiểm tra entry requirement trước khi quyết định.
Math AI HL hay Math AA SL — chọn cái nào?
+
Tuỳ ngành: nếu theo Business Analytics, Data Science, Economics → Math AI HL phù hợp hơn (statistics chiếm 22% chương trình). Nếu theo Engineering, Architecture, Medicine → Math AA SL được ưu tiên hơn. Math AI HL đòi hỏi tổng số giờ học gần gấp đôi Math AA SL.
Paper 3 Math AI khác gì Paper 3 Math AA?
+
Hoàn toàn khác. Math AA Paper 3 là investigative theoretical (chứng minh, generalize). Math AI Paper 3 là extended modeling — đưa cho bạn 1 vấn đề thực tế và yêu cầu xây dựng model toán học để giải quyết. Math AI Paper 3 thường được đánh giá là "dễ" hơn AA Paper 3.
Cần Math nào ở MYP để học AI HL?
+
Cần ít nhất MYP Math 4-5 (Standard). Không bắt buộc Extended Math nhưng học sinh từ Extended sẽ comfortable hơn với topic Calculus của AI HL. Trong tháng đầu DP1, gia sư sẽ làm diagnostic test để xác định gap kiến thức cần bridge.
IA Math AI nên chọn đề tài gì?
+
Đề tài tốt nhất là kết hợp Statistics + Modeling — ví dụ "Phân tích yếu tố ảnh hưởng giá nhà tại HCM bằng multiple regression". Tránh đề tài thuần lý thuyết. Học viên có data thật từ Kaggle, government statistics, hay khảo sát cá nhân thường đạt điểm cao nhất.