Lý thuyết tối ưu hóa 1 được hoàn thành trong 10 phút mỗi ngày trong một tháng

Name: Lý thuyết tối ưu hóa 1 được hoàn thành trong 10 phút mỗi ngày trong một tháng
Price: 41250 KRW

Đây là lý thuyết tối ưu hóa cần thiết cho AI/học sâu, thị giác máy tính và đồ họa máy tính. Lý thuyết tối ưu hóa 1 tập trung vào định nghĩa các hàm nhiều biến và sự vi phân của các hàm nhiều biến. Tại sao lại như vậy! Điều này là do tất cả các bài toán tối ưu hóa đều được thể hiện dưới dạng hàm nhiều biến. Nếu bạn có được định nghĩa chính xác về hàm nhiều biến và khái niệm vi phân, cách tiếp cận lý thuyết đối với các trường trên sẽ trở nên dễ dàng hơn đáng kể.

(5.0) 1 đánh giá

70 học viên

jhim21

인공지능기초수학

저자 직강

이론 중심

optimization-problem

Linear Algebra

Machine Learning(ML)

Computer Vision(CV)

Dịch cái này sang tiếng Việt

Nghiên cứu định nghĩa các hàm nhiều biến cần thiết cho lý thuyết tối ưu hóa.
Nghiên cứu phép tính vi phân hàm nhiều biến
Khai triển Taylor của hàm nhiều biến
Sách: Bài giảng lý thuyết tối ưu hóa (Janghwan Lim)

Lý thuyết tối ưu hóa đang được ứng dụng trong nhiều lĩnh vực. Tôi xin giới thiệu một số lĩnh vực tiêu biểu.

AI/học máy và phân tích dữ liệu, thị giác máy tính, đồ họa máy tính, ứng dụng trong tài chính, khoa học tự nhiên , v.v.

Đây là một sự thật quan trọng cần biết. Tôi sẽ nhấn mạnh lại lần nữa!!

"Thực tế là tất cả các vấn đề tối ưu hóa đều được thể hiện dưới dạng hàm đa biến."

Nếu bạn muốn tiếp cận lý thuyết tối ưu hóa, hai điều sau đây là kiến thức thiết yếu.

Hiểu biết chính xác về các hàm đa biến
Phương pháp phân biệt chính xác cho các hàm đa biến

Nhiều người tiếp cận lý thuyết tối ưu mà không nắm rõ hai điều này, và cuối cùng cảm thấy nó quá khó. Bài giảng này tập trung vào điểm 1 và 2. Một khi đã nghiên cứu chúng, cuối cùng bạn sẽ gặp phải. Cuối cùng, tôi đã cố gắng giải thích chúng một cách đơn giản. Tuy nhiên, vì đây là một lĩnh vực khá khó, nên có thể nó không hoàn toàn dễ dàng. Tôi xin giới thiệu bài giảng này cho bất kỳ ai cam kết học tập và cống hiến liên tục. Cảm ơn các bạn!!

Kinh thánh của lý thuyết tối ưu hóa là " S. Boyd, L. Vandenberghe: "Convex Optimization", Nhà xuất bản Đại học Cambridge, 2004 ". Bạn có thể tải xuống trực tuyến. Sau khi đọc cuốn sách này, bạn sẽ nhận ra nghiên cứu về lý thuyết tối ưu hóa rộng lớn và sâu sắc đến mức nào. Đây là bằng chứng cho thấy lý thuyết tối ưu hóa rất quan trọng và được ứng dụng rộng rãi. Như câu nói, "Hành trình ngàn dặm khởi đầu bằng một bước chân". Bài giảng này sẽ là người bạn đồng hành của bạn.

"Được rồi! Bây giờ chúng ta hãy cùng xem chúng ta sẽ học gì nhé."

Cần phải có mô hình toán học để sử dụng lý thuyết tối ưu hóa trong lĩnh vực này.

Một mô hình toán học được biểu thị dưới dạng một hàm đa biến, mà chúng ta gọi là hàm chi phí , và phương pháp tìm giá trị nhỏ nhất của hàm này được gọi là tối ưu hóa.

Vì vậy, nghiên cứu lý thuyết tối ưu hóa về mặt toán học có nghĩa là

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

Học máy, học sâu, thị giác máy tính, đồ họa máy tính, lĩnh vực khoa học và kỹ thuật
Tôi giới thiệu nó cho bất kỳ ai muốn hiểu đúng về vi phân của hàm nhiều biến.
Tôi giới thiệu nó cho những ai muốn học chuyên ngành sâu hơn ở trường sau đại học.

Cần biết trước khi bắt đầu?

Đại số tuyến tính, Giải tích
Ý chí làm điều đó là cần thiết
Những người muốn đầu tư liên tục trong một tháng

Xin chào
Đây là

177

Học viên

Đánh giá

Trả lời

4.7

Xếp hạng

Các khóa học

박사 졸업 후 5년 정도 Computer vision를 공부하고 가르치는 계기가 돼서

지금까지 수학전공과 공학이론을 연결한 공부들을 하고 있습니다.

전문분야(공부 분야)

전공: 수학(Topological Geometry), 부전공(컴퓨터 공학)

현) 3D Computer Vision(3D Reconstruction) , Kalman Filter, Lie-group(SO(3)),

Stochastic Differential Equation 연구자

현) 유튜브 채널 운영: 임장환: 3D Computer Vision

현) facebook Spatial AI KR 그룹 (수학전문위원)

출신학교

독일 Kile 대학 이학박사 (Topological Geometry & Lie-group 전공, 컴퓨터 공학 부전공)

중앙대 수학과 학사, 석사(Topology 전공)

경력

전) 대성그룹 자회사 두비비젼 CTO

전) 중앙대학교 첨단영상 대학원 연구교수(3D Computer Vsion연구)

저서:

최적화이론: https://product.kyobobook.co.kr/detail/S000200518524

링크

유튜브: https://www.youtube.com/@3dcomputervision520

블로그: https://blog.naver.com/jang_hwan_im

Chương trình giảng dạy

Tất cả

17 bài giảng ∙ (3giờ 16phút)

Tài liệu khóa học:

Tài liệu bài giảng

Phần 1. Giới thiệu lý thuyết tối ưu hóa

3 bài giảng ∙ (42phút)

Phần 2. Đạo hàm của hàm nhiều biến

4 bài giảng ∙ (48phút)

4. Hiểu hàm nhiều biến
17:02
5. biệt hóa từng phần
10:48
6. Tổng vi phân của hàm nhiều biến
13:45
7. Tổng vi phân của hàm nhiều biến
06:48

Phần 3. Khai triển Taylor của hàm nhiều biến

4 bài giảng ∙ (33phút)

8. Khai triển Taylor của hàm nhiều biến
12:10
9. Khai triển Taylor của hàm nhiều biến
13:09
10. Khai triển Taylor của hàm nhiều biến
02:44
11. Bộ cấp độ và hướng của độ dốc
05:13

Phần 4. Hàm lồi

2 bài giảng ∙ (27phút)

Phần 5. Lý thuyết tối ưu hóa

3 bài giảng ∙ (32phút)

Phần 6. Phương pháp nhân Lagrange

1 bài giảng ∙ (11phút)

Ngày đăng:

Cập nhật lần cuối:

Đánh giá

Tất cả

1 đánh giá

5.0

1 đánh giá

Seunggu Kang
Đánh giá 2
∙
Đánh giá trung bình 5.0
5
100% đã tham gia
인공지능 전공하고 있는데, 제가 배운 인공지능은 뭐였나 싶습니다. 기초 수학을 배우니 이론이 밑바탕이 되니까 확실히 제가 배운 인공지능이 이해가 더 잘되고 깊은 깨달음을 얻었습니다. 내용도 너무 길지 않아서 지루하지 않고 한번 쭉 훑는데 큰 도움이 됩니다.

Ưu đãi có thời hạn, kết thúc sau 4 ngày ngày

41.250 ₫

25%

1.165.653 ₫

Khóa học khác của jhim21

Hãy khám phá các khóa học khác của giảng viên!

하루 10분 한달완성 선형대수학

임장환

AI/딥러닝에 필요한 선형대수 내용을 하루 10분 투자 한 달 완성으로 마스터 해봐요

초급

선형대수학, 행렬, 딥러닝

하루 10분 한달완성 선형대수학

임장환

임장환의 칼만 필터(Kalman Filter) 1

임장환

쉬운 예제를 통한 칼만 필터(Kalman Filter)의 이론적인 동작 원리를 이해할 수 있습니다.

초급

kalman-filter, 확률과 통계, 선형대수학

임장환의 칼만 필터(Kalman Filter) 1

임장환

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

하루 10분 한달완성 선형대수학

임장환

AI/딥러닝에 필요한 선형대수 내용을 하루 10분 투자 한 달 완성으로 마스터 해봐요

초급

선형대수학, 행렬, 딥러닝

하루 10분 한달완성 선형대수학

임장환

수학으로부터 인류를 자유롭게 하라(선형대수학 Part.I) - 벡터기하학

공대형아(신경식)

선형대수학의 첫 번째 강의로서, 벡터와 벡터의 연산을 기하학적으로 이해하는 강의입니다.

입문

선형대수학, 대수학

수학으로부터 인류를 자유롭게 하라(선형대수학 Part.I) - 벡터기하학

공대형아(신경식)

게임 개발을 위한 수학 (PART 1)

얌얌코딩

게임에서 사용되는 중요한 수학개념들을 쉽게 배우는 강의입니다. 수학을 잘 알고 있는 사람은 해당 지식들을 당연하게 여기기 때문에 아무것도 모른다는 가정하에 가르킬 수 없습니다. 정말 비전공자라고 생각하고 초보자 관점에서 설명합니다.

초급

C++, 선형대수학, 게임수학

게임 개발을 위한 수학 (PART 1)

얌얌코딩

[R로 하는] 머신러닝을 위한 통계학 기초

코코

머신러닝을 공부하고 싶지만 통계학적 지식이 부족한 사람들 위한 강의 입니다.

초급

머신러닝, 통계, R

[R로 하는] 머신러닝을 위한 통계학 기초

코코