🌿 TRƯỜNG HỢP 2 🌿
Giáo sư: Hãy tính gần đúng dữ liệu này bằng hàm bậc hai vào ngày mai.
Học sinh: Vâng, em hiểu rồi. Có bao nhiêu điểm dữ liệu?
Giáo sư: 40.000.
học sinh: ??
Giáo sư: À, nhân tiện, chúng ta thử ghép a+b*sinh(x)+c*Log(x) xem sao? Chúng ta có thể làm nhanh được không?
học sinh: ?????????
🌿 TRƯỜNG HỢP 3 🌿
Bây giờ tôi không còn học đại học nữa, tôi không thể sử dụng Matlab... Nó quá đắt... Ha... Nhưng làm sao để giải phương trình ma trận...? Tôi sẽ phải giải thêm trong tương lai, nhưng có cách nào để làm được không?
Để giải nhanh các bài toán tính toán ma trận, bạn cần sử dụng thư viện NumPy và SciPy trong Python. Bạn đã bao giờ muốn giải phương trình ma trận bằng máy tính chưa? Bạn muốn tìm trị riêng? Hay bạn cần những hàm này ngay lập tức?
Trong khóa học này, bạn sẽ sử dụng thư viện SciPy của Python để giải quyết nhiều bài toán tính toán ma trận. Ngay cả khi bạn không biết Python hoặc có kiến thức cơ bản về đại số tuyến tính nhập môn, nội dung khóa học vẫn được thiết kế để giúp bạn áp dụng kiến thức ngay sau khi hoàn thành khóa học. Đừng lo lắng, hãy tham gia cùng chúng tôi!
Trong khóa học này, bạn sẽ học cách giải các bài toán đại số tuyến tính trên máy tính bằng SciPy và NumPy.
H. Có đúng là phương trình ma trận có thể giải được trên máy tính không?
A. Tất nhiên rồi. Sẽ kỳ lạ hơn nếu nó không được giải bằng máy tính!
H. Tôi cần tìm các giá trị riêng của một ma trận lớn ngay bây giờ. Làm thế nào để làm được? Tôi không thể giải thủ công được 😭😭
A. Đừng lo lắng. Bạn có thể làm được điều đó chỉ với vài dòng mã Python. Khóa học này là dành cho bạn.
H. Tôi không có kinh nghiệm lập trình... nhưng tôi muốn giải các bài toán đại số tuyến tính trên máy tính!
A. Chào mừng! Rất dễ để theo dõi.
H. Tôi nghe nói Python chậm... Học nó có thực sự không thực tế không?
A. Các hàm SciPy mà chúng ta sẽ học sử dụng các hàm được viết bằng Fortran (được phát triển trong nhiều thập kỷ!). Chúng có tốc độ và độ chính xác đủ để sử dụng thực tế.
H. Bạn nghe nói ở đâu rằng... mọi người thường tự viết mã...?
A. Có những hàm liên quan đến đại số tuyến tính đã được phát triển qua nhiều thập kỷ, chứ không chỉ vài năm. Chỉ cần biết cách sử dụng chúng cũng có thể giúp ích rất nhiều cho cuộc sống của bạn.
.png?w=960)
Tôi đang để lại bài đánh giá đầu tiên của mình vào ngày hoàn thành lớp 25/29, thời gian học 10h33 phút. Tôi là người không thường xuyên để lại những việc như thế này nên tôi nghĩ mình nên để nó ngay bây giờ để không phải trì hoãn. Lý do tham gia khóa học: Khi học ML, tôi cần học Numpy slicing một cách chính xác và sau khi tìm hiểu khóa học, tôi nghĩ nó sẽ được đề cập ở đây nên tôi đã tham gia khóa học. Đánh giá: Tôi cần học cách cắt Numpy chính xác những gì tôi cần. Mặc dù tôi không tham gia bài giảng đại số tuyến tính của Beomhee Cho nhưng tôi không gặp vấn đề gì khi theo dõi. Nếu bạn theo dõi kỹ bài giảng này, bạn sẽ học cách sử dụng các hàm linalg của Scipy. Phần giải thích và ví dụ về cách sử dụng hàm được cấu trúc cẩn thận và học sinh sẽ hiểu: “Tất nhiên là bạn sẽ biết”. Anh giải thích chi tiết không bỏ sót chi tiết nào. Trước đó, tôi muốn nghe bài giảng đại số tuyến tính của Beomhee Cho mà bạn đã đăng. (Tôi tưởng họ sẽ phát hành phiếu giảm giá khi cơ sở hạ tầng được đổi mới, nhưng không. Haha)
Bất chấp độ khó của lớp học, đó là lớp học mà bạn có thể cảm nhận được sự chân thành và nhiệt tình của người hướng dẫn. Sở dĩ lớp học có phần khó khăn là do khả năng hiểu bài của tôi. Tôi đang mong đợi những bài giảng khác.
Nếu bạn tìm hiểu sâu hơn về deep learning, cuối cùng bạn sẽ nhận ra rằng bạn phải có khả năng sử dụng numpy một cách tự do. Khóa học này rất hữu ích trong việc nâng cao hiểu biết của bạn về numpy.
Đây là một bài giảng tuyệt vời. Cảm ơn bạn vì bài giảng tuyệt vời.
Khi bắt đầu bài giảng, bạn đã nói rằng nếu có cơ hội, bạn cũng sẽ dạy một khóa học ngôn ngữ Fortran huyền thoại, vì vậy hãy đảm bảo thực hiện nhé! Nó là cần thiết cho các trường sau đại học sử dụng Fortran.
