NEW

Bài giảng đặc biệt về Đại số tuyến tính dành cho chuyên ngành Machine Learning, AI, Data Scientist và Kỹ thuật.

Name: Bài giảng đặc biệt về Đại số tuyến tính dành cho chuyên ngành Machine Learning, AI, Data Scientist và Kỹ thuật.
Price: 93500 KRW

Đây là khóa học Đại số tuyến tính chuyên sâu dành cho sinh viên và chuyên gia các ngành kỹ thuật như Học máy (Machine Learning), AI, Robot học, Thị giác máy tính, v.v. Khóa học này được đề xuất cho những ai muốn nghiên cứu sâu về Đại số tuyến tính. Nội dung được trình bày một cách dễ hiểu nhất có thể, đồng thời đi sâu vào các chủ đề cốt lõi thông qua việc lựa chọn và tập trung vào các nội dung quan trọng.

2 học viên đang tham gia khóa học này

Độ khó Cơ bản

Thời gian Không giới hạn

jhim21

Python

Machine Learning(ML)

Deep Learning(DL)

Procession

Python

Machine Learning(ML)

Deep Learning(DL)

Procession

Bạn sẽ nhận được điều này sau khi học.

Đại số tuyến tính dành cho sinh viên chuyên ngành kỹ thuật như Học máy, AI, Robot học, Thị giác máy tính.
Chi tiết từ những giải thích dễ hiểu nhất cho đến các lý thuyết chuyên sâu.
Sử dụng các ví dụ cụ thể và giải thích cực kỳ chi tiết ở những phần cần lý thuyết toán học.

Biểu diễn dữ liệu đa chiều: Các loại dữ liệu đa dạng như hình ảnh, văn bản và âm thanh được biểu diễn dưới dạng các vectơ đa chiều. Đại số tuyến tính là yếu tố thiết yếu để xử lý và biến đổi các dữ liệu đa chiều này.

Xử lý hình ảnh: Trong lĩnh vực thị giác máy tính, hình ảnh được biểu diễn dưới dạng ma trận. Các phép toán ma trận được sử dụng để biến đổi và lọc hình ảnh, điều này chủ yếu được sử dụng trong mạng thần kinh tích chập (Convolutional Neural Network, CNN).

Biến đổi tuyến tính: Các mô hình học máy như mạng thần kinh chủ yếu sử dụng biến đổi tuyến tính (nhân ma trận) để biến đổi và xử lý dữ liệu đầu vào. Đại số tuyến tính cung cấp các công cụ để xử lý những biến đổi này một cách hiệu quả.

Phân tích ma trận: Các kỹ thuật đại số tuyến tính như phân tích giá trị kỳ dị (SVD) hoặc phân tích giá trị riêng được sử dụng trong các kỹ thuật giảm chiều dữ liệu như phân tích thành phần chính (PCA), giúp trích xuất các đặc trưng quan trọng.

Bài toán tối ưu hóa: Các bài toán tối ưu hóa được sử dụng rộng rãi trong học máy dựa trên các khái niệm đại số tuyến tính. Ví dụ, việc cập nhật tham số để tối thiểu hóa hàm mất mát có liên quan đến đạo hàm ma trận và hạ gradient.

Để học được những nội dung trên, bạn cần phải đầu tư rất nhiều thời gian và công sức. Nếu muốn thể hiện kết quả ngay lập tức, việc triển khai lập trình cũng tiêu tốn không ít thời gian. Nếu bạn dự định học lên cao học, có rất nhiều trường hợp toán học sẽ trở thành rào cản lớn đối với bạn.

Tôi tốt nghiệp chuyên ngành toán học và đã có nhiều năm nghiên cứu, học tập cùng các sinh viên khối kỹ thuật tại trường kỹ thuật, vì vậy tôi đã trăn trở rất nhiều về phương pháp làm thế nào để học toán một cách dễ dàng hơn nhưng vẫn giữ đúng bản chất của toán học.

Vì vậy, trong bài giảng lần này, tôi đã chọn phương pháp giải các ví dụ cụ thể và sử dụng chúng để nghiên cứu lý thuyết.

Và nếu nội dung quá nhiều, thường chúng ta sẽ cảm thấy kiệt sức ngay cả trước khi bắt đầu. Vì vậy, tôi đã xây dựng lộ trình học sao cho nội dung thật dễ hiểu nhưng vẫn đảm bảo đầy đủ những kiến thức thiết yếu nhất.

Dù bận rộn, tôi đã cố gắng để bạn có thể hoàn thành khóa học bằng cách đầu tư đều đặn từ 15 đến 30 phút mỗi ngày.

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

Người tốt nghiệp các chuyên ngành kỹ thuật như Học máy (Machine Learning), AI, Robot học, Thị giác máy tính, v.v.
Rất đề cử cho những ai muốn học đại số tuyến tính một cách bài bản và chuyên sâu.

Cần biết trước khi bắt đầu?

Ý chí muốn thực hiện là điều thiết yếu
Những người sẽ kiên trì học tập, không bỏ cuộc cho đến khi hiểu rõ.

Xin chào
Đây là jhim21

244

Học viên

Đánh giá

Trả lời

4.6

Xếp hạng

Các khóa học

Sau khi tốt nghiệp Tiến sĩ, tôi đã có cơ hội nghiên cứu và giảng dạy về Computer Vision trong khoảng 5 năm,

Cho đến nay, tôi vẫn đang thực hiện các nghiên cứu kết nối giữa chuyên ngành toán học và lý thuyết kỹ thuật.

Lĩnh vực chuyên môn (Lĩnh vực nghiên cứu)

Chuyên ngành: Toán học (Hình học Topo), Chuyên ngành phụ: Khoa học máy tính

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

Nhà nghiên cứu Phương trình vi phân ngẫu nhiên (Stochastic Differential Equation)

Hiện tại) Vận hành kênh YouTube: Lim Jang-hwan: 3D Computer Vision

Hiện tại) Thành viên Ban chuyên môn Toán học tại nhóm facebook Spatial AI KR

Trường đã theo học

Tiến sĩ Khoa học Tự nhiên tại Đại học Kiel, Đức (Chuyên ngành Hình học Topo & Nhóm Lie, chuyên ngành phụ Khoa học Máy tính)

Cử nhân, Thạc sĩ khoa Toán Đại học Chung-Ang (chuyên ngành Hình học tô-pô)

Kinh nghiệm làm việc

Cựu Giám đốc Công nghệ (CTO) của Doobeevision, công ty con thuộc Tập đoàn Daesung

Cựu Giáo sư nghiên cứu tại Cao học Hình ảnh Tiên tiến, Đại học Chung-Ang (Nghiên cứu 3D Computer Vision)

Sách đã xuất bản:

Lý thuyết tối ưu hóa: https://product.kyobobook.co.kr/detail/S000200518524

Liên kết

Youtube: https://www.youtube.com/@3dcomputervision

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

Nghiên cứu Computer Vision) Sách: Lý thuyết tối ưu hóa: https://product.kyobobook.co.kr/detail/S000200518524 Link Youtube: https://www.youtube.com/@3dcomputervision Blog: https://blog.naver.com/jang_hwan_im

(Nghiên cứu Computer Vision) Sách: Lý thuyết tối ưu hóa: https://product.kyobobook.co.kr/detail/S000200518524 Link YouTube: https://www.youtube.com/@3dcomputervision Blog: https://blog.naver.com/jang_hwan_im

(Nghiên cứu Computer Vision) Sách: Lý thuyết tối ưu hóa: https://product.kyobobook.co.kr/detail/S000200518524 Link Youtube: https://www.youtube.com/@3dcomputervision Blog: https://blog.naver.com/jang_hwan_im

Thêm

Chương trình giảng dạy

Tất cả

35 bài giảng ∙ (8giờ 33phút)

Tài liệu khóa học:

Tài liệu bài giảng

Phần 1. 0. Định nghĩa và phép cộng ma trận

4 bài giảng ∙ (47phút)

Phần 2. 1. Không gian vectơ

3 bài giảng ∙ (55phút)

5. 1.1 Không gian vectơ (Vector Spaces)
21:12
6. 1.2 Tích vô hướng của các vectơ (Inner Product of Vectors)
27:41
7. 1.3 Tích có hướng (Cross Product)
06:57

Phần 3. 2. Không gian vectơ và không gian con vectơ

5 bài giảng ∙ (1giờ 17phút)

8. 2.1 Định nghĩa về không gian con (Definition of Subspaces)
12:50
9. 2.2, 2.3 Tổ hợp tuyến tính và Độc lập tuyến tính (Linear Combination and Independence)
08:23
10. 2.4, 2.5 Chiều của cơ sở và Cơ sở trực chuẩn (Dimension of Bases and Orthonormal Basis)
25:27
11. 2.6 Quá trình trực giao hóa Gram-Schmidt (Gram-Schmidt Orthogonalization Process)
10:53
12. 2.7 Không gian bù vuông góc và Siêu phẳng (Orthogonal Complement and Hyperplane)
19:44

Phần 4. 3. Ma trận

8 bài giảng ∙ (2giờ 13phút)

Phần 5. 4. Chéo hóa ma trận đối xứng, giá trị riêng và vectơ riêng

3 bài giảng ∙ (54phút)

Phần 6. 5. Ma trận xác định dương

3 bài giảng ∙ (36phút)

Phần 7. 6. Phân tích ma trận

1 bài giảng ∙ (16phút)

Phần 8. 7. Phân tích giá trị suy biến của ma trận

4 bài giảng ∙ (27phút)

Phần 9. 8. Lý thuyết Phân tích thành phần chính (PCA)

2 bài giảng ∙ (36phút)

Phần 10. 9. Ứng dụng phân tích giá trị suy biến: Nghiệm của phương trình tuyến tính

2 bài giảng ∙ (27phút)

Ngày đăng: 05/04/2026

Cập nhật lần cuối: 05/04/2026

Đánh giá

Chưa có đủ đánh giá.

Hãy trở thành tác giả của một đánh giá giúp mọi người!

Khóa học khác của jhim21

Hãy khám phá các khóa học khác của giảng viên!

Lý thuyết xác suất cho AI và Machine Learning: Cốt lõi của Bayes, Phân phối và Ước lượng

jhim21

1.849.753 ₫

Cơ bản / Python

New

Việc nắm vững lý thuyết xác suất là điều bắt buộc khi học về AI hay Machine Learning. Tôi đề xuất tài liệu này cho những ai muốn nghiên cứu sâu hơn về lý thuyết xác suất.

Cơ bản

Python

Lý thuyết xác suất cho AI và Machine Learning: Cốt lõi của Bayes, Phân phối và Ước lượng

jhim21

1.849.753 ₫

Cơ bản / Python

New

Lý thuyết tối ưu hóa Bible

jhim21

2.416.613 ₫

Trung cấp trở lên / optimization-problem

4.0

(2)

Cốt lõi của tất cả AI/Deep Learning cuối cùng đều là tối ưu hóa. Tất nhiên không chỉ riêng AI/Deep Learning mới cần lý thuyết tối ưu hóa. Computer Vision, Robotics & Control Systems, Financial Engineering & Quant, Data Science, Signal Processing... có lẽ dù học lĩnh vực nào, khi đi sâu hơn thì lý thuyết tối ưu hóa là một trong những chủ đề mà bạn chắc chắn sẽ gặp phải. Khóa học này bao gồm từ lý thuyết cơ bản về toán học đến những nội dung sâu sắc một cách có hệ thống. Tôi nghĩ đây chắc chắn là khóa học lý thuyết tối ưu hóa tốt nhất được mở trong nước.

Trung cấp trở lên

optimization-problem

Lý thuyết tối ưu hóa Bible

jhim21

2.416.613 ₫

Trung cấp trở lên / optimization-problem

4.0

(2)

Hoàn thành Lý thuyết Tối ưu hóa trong một tháng, mỗi ngày 10 phút 1

jhim21

1.163.554 ₫

Cơ bản / optimization-problem, Linear Algebra, Machine Learning(ML), Computer Vision(CV)

5.0

(1)

Đây là lý thuyết tối ưu hóa cần thiết cho AI/Deep Learning, Thị giác máy tính, Đồ họa máy tính, v.v. Trong Lý thuyết tối ưu hóa 1, chúng tôi tập trung vào định nghĩa của hàm đa biến và đạo hàm của hàm đa biến. Tại sao lại như vậy? Đó là bởi vì tất cả các bài toán tối ưu hóa đều được biểu diễn dưới dạng hàm đa biến. Nếu bạn nắm vững định nghĩa chính xác và khái niệm đạo hàm của hàm đa biến, việc tiếp cận lý thuyết trong các lĩnh vực trên sẽ trở nên dễ dàng hơn rất nhiều.

Cơ bản

optimization-problem, Linear Algebra, Machine Learning(ML)

Hoàn thành Lý thuyết Tối ưu hóa trong một tháng, mỗi ngày 10 phút 1

jhim21

1.163.554 ₫

Cơ bản / optimization-problem, Linear Algebra, Machine Learning(ML), Computer Vision(CV)

5.0

(1)

Đại số tuyến tính hoàn thành trong 1 tháng với 10 phút mỗi ngày

jhim21

1.163.554 ₫

Cơ bản / Linear Algebra, Procession, Deep Learning(DL)

4.6

(5)

Nắm vững đại số tuyến tính cần thiết cho AI/học sâu bằng cách đầu tư 10 phút mỗi ngày và hoàn thành nó trong một tháng.

Cơ bản

Linear Algebra, Procession, Deep Learning(DL)

Đại số tuyến tính hoàn thành trong 1 tháng với 10 phút mỗi ngày

jhim21

1.163.554 ₫

Cơ bản / Linear Algebra, Procession, Deep Learning(DL)

4.6

(5)

Bộ lọc Kalman của Jang-Hwan Lim 1

jhim21

4.594.547 ₫

Cơ bản / kalman-filter, Probability and Statistics, Linear Algebra, MATLAB, Python

5.0

(2)

Bạn có thể hiểu nguyên lý hoạt động lý thuyết của Kalman Filter qua các ví dụ dễ hiểu.

Cơ bản

kalman-filter, Probability and Statistics, Linear Algebra

Bộ lọc Kalman của Jang-Hwan Lim 1

jhim21

4.594.547 ₫

Cơ bản / kalman-filter, Probability and Statistics, Linear Algebra, MATLAB, Python

5.0

(2)

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

Cơ sở Toán học Thống kê dành cho người không chuyên (Lý thuyết)

SW School

716.033 ₫

Nhập môn / Linear Algebra, Probability and Statistics, Python

5.0

(2)

Khóa học này là quá trình thực hành các nội dung cơ bản về toán học và thống kê cho máy học sử dụng Python. Máy học và học sâu không chỉ đòi hỏi năng lực lập trình mà còn cần nền tảng toán học để nắm vững các nguyên lý. Thông qua khóa học này, bạn có thể từng bước học hỏi các kiến thức toán học cơ bản cần thiết cho trí tuệ nhân tạo!

Nhập môn

Linear Algebra, Probability and Statistics, Python

Cơ sở Toán học Thống kê dành cho người không chuyên (Lý thuyết)

SW School

716.033 ₫

Nhập môn / Linear Algebra, Probability and Statistics, Python

5.0

(2)

Làm chủ giải tích 2 bằng Python: tích phân, trực giác, mã code

Mike X Cohen

1.461.901 ₫

Nhập môn / Python, Numpy, Integral Differential, sympy

5.0

(3)

Lý thuyết, xấp xỉ số, trực giác và trực quan hóa trong tích phân. Nâng cao kỹ năng toán-lập trình của bạn.

Nhập môn

Python, Numpy, Integral Differential

Làm chủ giải tích 2 bằng Python: tích phân, trực giác, mã code

Mike X Cohen

1.461.901 ₫

Nhập môn / Python, Numpy, Integral Differential, sympy

5.0

(3)

Deep Learning dành cho lập trình viên

kok202

1.253.058 ₫

Trung cấp trở lên / Machine Learning(ML), Deep Learning(DL), Statistics, AI, Probability and Statistics

4.8

(10)

100+

Đây là khóa học hữu ích dành cho những ai muốn hệ thống lại kiến thức Deep Learning một cách chuyên sâu và nắm bắt bức tranh toàn cảnh thông qua việc tập trung vào lý thuyết và bối cảnh thay vì thực hành. Bạn có thể dễ dàng thấu hiểu nền tảng toán học và thống kê vốn là gốc rễ của Deep Learning, đồng thời chúng tôi sẽ giải thích một cách trực quan các nguyên lý của những mô hình Deep Learning hiện đại tiêu biểu như AutoEncoder, GAN, Transformer, AlphaGo dưới góc nhìn của một nhà phát triển.

Trung cấp trở lên

Machine Learning(ML), Deep Learning(DL), Statistics

Deep Learning dành cho lập trình viên

kok202

1.253.058 ₫

Trung cấp trở lên / Machine Learning(ML), Deep Learning(DL), Statistics, AI, Probability and Statistics

4.8

(10)

100+

[Với R] Thống kê cơ bản cho học máy

coco

1.044.215 ₫

Cơ bản / Statistics, R, Machine Learning(ML)

4.2

(9)

100+

Khóa học này dành cho những người muốn học máy học nhưng thiếu kiến thức thống kê.

Cơ bản

Statistics, R, Machine Learning(ML)

[Với R] Thống kê cơ bản cho học máy

coco

1.044.215 ₫

Cơ bản / Statistics, R, Machine Learning(ML)

4.2

(9)

100+

Bài giảng đặc biệt về Đại số tuyến tính dành cho chuyên ngành Machine Learning, AI, Data Scientist và Kỹ thuật.

Bạn sẽ nhận được điều này sau khi học.

Khuyến nghị cho những người này

Xin chàoĐây là jhim21

Chương trình giảng dạy

Đánh giá

Khóa học khác của jhim21

Khóa học tương tự

Khuyến nghị cho
những người này

Xin chào
Đây là jhim21