BEST

Giải phóng nhân loại khỏi toán học (Giải tích Phần I) - Giải tích vi phân

Name: Giải phóng nhân loại khỏi toán học (Giải tích Phần I) - Giải tích vi phân
Price: 38500 KRW
Rating: 5 (11 reviews)

Giới hạn của hàm số, đạo hàm, đạo hàm, công thức đạo hàm, cách sử dụng đạo hàm

(5.0) 11 đánh giá

319 học viên

Độ khó Nhập môn

Thời gian Không giới hạn

asdfghjkl13551941

Integral Differential

Đánh giá từ những học viên đầu tiên

5.0

박영서

34% đã tham gia

Xin hãy quay tiếp tập sau 😭😭 Quá tuyệt vời

5.0

dongjoo

100% đã tham gia

Xin chào. Tôi là kẻ thất bại nhưng hiện đang làm nhà phát triển ML. Cuối cùng, tôi cảm thấy mình cần toán để giỏi trí tuệ nhân tạo. Trong khi tôi đang cân nhắc xem mình có nên mua và giải lại bài giảng đặc biệt CSAT hay không, tôi đã đọc được "Đại số cơ bản" của người hướng dẫn Shin Kyung-sik. Tôi đã xem qua bài giảng. Thật dễ dàng để đặt ra những điều cơ bản tổng thể và cũng dễ dàng chỉ xem lại những phần cần thiết. Điều tuyệt vời nhất là nó thực sự dễ hiểu vì nó được so sánh với khoa học máy tính. Tất nhiên, có nhiều phần cần có thời gian để hiểu. Tiếp theo, tôi biết rằng bạn cũng sản xuất một khóa học tính toán nên tôi đã mua ngay. Thật tốt khi nó được giải thích một cách dễ hiểu và thật tốt khi nghiên cứu ngắn gọn trên đường đi làm hoặc về nhà vì nó được chia thành các chương theo khái niệm. Tôi bối rối vì tài liệu bài giảng bằng tiếng Anh. Tuy nhiên khi phát triển bạn phải sử dụng tiếng Anh nhiều, muốn sử dụng ML thì phải tra cứu rất nhiều tài liệu. Cảm ơn bạn đã sử dụng tiếng Anh, đặc biệt là khi hiểu các phương pháp và bài viết ML, nói rằng "Đó là những gì tôi thấy trong bài giảng." Tôi đã có thể nhận thấy nó ngay lập tức. Tôi nghĩ việc mua khóa học này thực sự là một ý tưởng hay và tôi cũng ngay lập tức mua khóa học đại số tuyến tính. Khi tôi xem hồ sơ của người hướng dẫn Shin Kyung-sik, tôi thấy rằng chưa có khóa học tích phân và thống kê nào. Nếu làm được tôi sẽ mua ngay. Anh ấy cũng đã tải một bài giảng về xử lý tín hiệu lên YouTube, bài giảng này rất hữu ích. Tôi rất mong bài giảng NumPy sẽ sớm được phát hành.

5.0

김정수

100% đã tham gia

Tôi rất thích bài giảng. Tôi cũng đang chờ tích phân, đại số tuyến tính và thống kê. ^^

Bạn sẽ nhận được điều này sau khi học.

phép tính
phép tính vi phân

Toán học không bao giờ bỏ rơi bạn.
Vì vậy, đừng bỏ cuộc nhé.

Giải phóng nhân loại khỏi toán học 😎

Tôi muốn tất cả những ai sử dụng toán học đều học toán một cách đúng đắn. Dự án "Giải phóng Nhân loại khỏi Toán học" cung cấp hướng dẫn chuyên biệt cho từng môn toán, từng môn một. Chúng tôi sẽ dạy bạn chuyên sâu hơn và thực hành nhiều hơn những gì bạn học ở trường đại học, biến bạn thành một thiên tài toán học.

Trong bài giảng này, chúng ta sẽ đề cập đến phép tính vi phân, một môn học thiết yếu trong mọi môn học và lĩnh vực sử dụng toán học .

📢 Vui lòng kiểm tra trước khi tham gia lớp học!

Bài giảng này là bài giảng theo kỳ và các bài giảng sẽ được tải lên liên tục cho đến ngày 29 tháng 5.

Khóa học này có gì đặc biệt 🔆

1) Đạo hàm của tất cả các đạo hàm
Để thực hành đầy đủ phép tính vi phân, chúng ta sẽ tìm đạo hàm của tất cả các hàm thường được sử dụng trong kỹ thuật.

2) Giải quyết các bài toán thực hành
Chúng ta hãy cùng giải các bài tập thực hành khác nhau mà chúng ta đã chuẩn bị.

Học những điều như thế này 📚

Để tìm hiểu kỹ về phép phân biệt, chúng ta sẽ nghiên cứu tám chương sau:

Sách tham khảo 📖

Bài giảng liên quan 🤓

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

Nhà nghiên cứu và phát triển sử dụng toán học
người học học sâu

Cần biết trước khi bắt đầu?

Học sinh học đại số cơ bản

Xin chào
Đây là

3,491

Học viên

160

Đánh giá

Trả lời

4.9

Xếp hạng

Các khóa học

Lịch sử giảng dạy

[LIKE LION] Khóa học Trí tuệ nhân tạo Trung - Cao cấp
[Viện Khoa học Khí tượng Quốc gia] Khóa học Weather AI Boostcamp năm 2022, 2023, 2025
[Samsung Electro-Mechanics] Khóa học SW chuyên sâu dành cho nhân viên mới
[Viện Đào tạo Nhân lực Khoa học và Công nghệ Quốc gia] Chương trình cố vấn dài hạn nâng cao năng lực thực hiện R&D
[Viện Đào tạo Nhân lực Khoa học và Công nghệ Quốc gia] Sản xuất nội dung E-learning cho khóa học chuyên sâu về R&D
[Viện Đào tạo Nhân lực Khoa học và Công nghệ Quốc gia] Khóa học trực quan hóa dữ liệu nghiên cứu dành cho nghiên cứu sinh sau tiến sĩ
[Đại học Wonkwang] Đào tạo AI tập trung và Khóa học AI ngắn hạn & dài hạn tại Đại học Wonkwang
[Cơ quan Thúc đẩy Xã hội Thông tin và Trí tuệ Nhân tạo Hàn Quốc] Đào tạo nhân tài nữ trong lĩnh vực SW
[SK m&service] Ra quyết định dựa trên dữ liệu
[Hiệp hội Thúc đẩy Kinh doanh IT Hàn Quốc] ICT COG Academy
[Sở Giáo dục Seoul] Đào tạo lĩnh vực công nghệ mới
[KT] Khóa học nâng cao năng lực AI của KT [K-ICT] Trại phân tích khu vực dữ liệu an toàn [Viện Thúc đẩy Kinh tế và Khoa học Gyeonggi] Học Vision AI lần đầu tiên [Viện Thúc đẩy Kinh tế và Khoa học Gyeonggi] Phân tích dữ liệu bằng Python
[KT] Khóa học nâng cao năng lực AI của KT
[K-ICT] Trại phân tích khu vực an toàn dữ liệu
[Viện Thúc đẩy Kinh tế và Khoa học Gyeonggi] Nhập môn Vision AI cho người mới bắt đầu
[Gyeonggido Business & Science Accelerator] Nhập môn phân tích dữ liệu bằng Python
[Viện Khoa học và Công nghệ Seoul] Đào tạo chuyên sâu về ứng dụng AI
[Đại học Quốc gia Seoul] Đào tạo nâng cao năng lực ứng dụng AI
[HD Korea Shipbuilding & Offshore Engineering] Phát triển đánh giá năng lực vị trí nghiên cứu AI tại AIC
[Multicampus] Từ nguyên lý đến thực thi, làm chủ các thuật toán học máy cốt lõi

[패스트캠퍼스] Tiếp cận Deep Learning dưới góc độ toán học
[패스트캠퍼스] Trọn bộ từ A-Z về Machine Learning và Phân tích dữ liệu trong một lần học
[패스트캠퍼스] Byte Degree Lv.2 Deep Learning Essentials
[Fast Campus] Khoảng cách siêu biệt về Trí tuệ nhân tạo Deep Learning
[Fast Campus] Khoảng cách siêu việt Khoa học máy tính VER.2
Phân tích A-Z [Fast Campus] Byte Degree Lv.2 Deep Learning Essentials [Fast Campus] Deep Learning AI Super Gap [Fast Campus] Khoa học Máy tính Super Gap VER.2

Chương trình giảng dạy

Tất cả

79 bài giảng ∙ (16giờ 44phút)

Tài liệu khóa học:

Tài liệu bài giảng

Phần 1. Định hướng

1 bài giảng ∙ (5phút)

1. Định hướng
05:55

Phần 2. Giới hạn và tính liên tục

7 bài giảng ∙ (1giờ 36phút)

2. Giới hạn
13:38
3. Giới hạn một phía
14:45
4. Luật giới hạn
15:16
5. Giới hạn của đa thức và hàm số hữu tỷ
09:34
6. Loại bỏ các yếu tố chung
16:56
7. Giới hạn vô hạn
13:55
8. Giới hạn ở vô cực
12:37

Phần 3. Tính giới hạn

8 bài giảng ∙ (1giờ 40phút)

9. trường hợp inf/inf.1
14:02
10. inf/inf Trường hợp 2, 3
13:57
11. Giới hạn của các trường hợp đặc biệt
13:23
12. Giới hạn của hàm tổng hợp
17:28
13. Tổng hợp 1/x Vỏ
09:41
14. Hằng số tự nhiên e từ giới hạn
10:04
15. Hệ thống đẳng cấp trong toán học
09:36
16. Công thức quan trọng
11:58

Phần 4. Tính liên tục

6 bài giảng ∙ (1giờ 28phút)

Phần 5. Sự khác biệt và đạo hàm

12 bài giảng ∙ (2giờ 36phút)

Phần 6. Kỹ thuật khác biệt hóa

13 bài giảng ∙ (2giờ 55phút)

Phần 7. Đạo hàm của hàm lượng giác nghịch đảo

9 bài giảng ∙ (1giờ 55phút)

Phần 8. Phác thảo đường cong

10 bài giảng ∙ (2giờ 0phút)

Phần 9. Ứng dụng của sự khác biệt(1)

6 bài giảng ∙ (1giờ 9phút)

Phần 10. Ứng dụng của sự khác biệt(2)

7 bài giảng ∙ (1giờ 15phút)

Ngày đăng:

Cập nhật lần cuối:

Đánh giá

Tất cả

11 đánh giá

5.0

11 đánh giá

1park41702629
Đánh giá 4
∙
Đánh giá trung bình 5.0
5
34% đã tham gia
Xin hãy quay tiếp tập sau 😭😭 Quá tuyệt vời
kek36397736
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
8% đã tham gia
dongjoo2350
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
100% đã tham gia
Xin chào. Tôi là kẻ thất bại nhưng hiện đang làm nhà phát triển ML. Cuối cùng, tôi cảm thấy mình cần toán để giỏi trí tuệ nhân tạo. Trong khi tôi đang cân nhắc xem mình có nên mua và giải lại bài giảng đặc biệt CSAT hay không, tôi đã đọc được "Đại số cơ bản" của người hướng dẫn Shin Kyung-sik. Tôi đã xem qua bài giảng. Thật dễ dàng để đặt ra những điều cơ bản tổng thể và cũng dễ dàng chỉ xem lại những phần cần thiết. Điều tuyệt vời nhất là nó thực sự dễ hiểu vì nó được so sánh với khoa học máy tính. Tất nhiên, có nhiều phần cần có thời gian để hiểu. Tiếp theo, tôi biết rằng bạn cũng sản xuất một khóa học tính toán nên tôi đã mua ngay. Thật tốt khi nó được giải thích một cách dễ hiểu và thật tốt khi nghiên cứu ngắn gọn trên đường đi làm hoặc về nhà vì nó được chia thành các chương theo khái niệm. Tôi bối rối vì tài liệu bài giảng bằng tiếng Anh. Tuy nhiên khi phát triển bạn phải sử dụng tiếng Anh nhiều, muốn sử dụng ML thì phải tra cứu rất nhiều tài liệu. Cảm ơn bạn đã sử dụng tiếng Anh, đặc biệt là khi hiểu các phương pháp và bài viết ML, nói rằng "Đó là những gì tôi thấy trong bài giảng." Tôi đã có thể nhận thấy nó ngay lập tức. Tôi nghĩ việc mua khóa học này thực sự là một ý tưởng hay và tôi cũng ngay lập tức mua khóa học đại số tuyến tính. Khi tôi xem hồ sơ của người hướng dẫn Shin Kyung-sik, tôi thấy rằng chưa có khóa học tích phân và thống kê nào. Nếu làm được tôi sẽ mua ngay. Anh ấy cũng đã tải một bài giảng về xử lý tín hiệu lên YouTube, bài giảng này rất hữu ích. Tôi rất mong bài giảng NumPy sẽ sớm được phát hành.
- asdfghjkl13551941
  Giảng viên
  Xin chào! Tôi thực sự vui mừng vì bạn thấy bài giảng hữu ích! Điều đó không hề dễ dàng, nhưng tôi thực sự nghĩ rằng thật tuyệt vời khi bạn đã chọn đi theo con đường này! Chúng tôi sẽ cố gắng cung cấp các bài giảng toán khác với chất lượng tốt nhanh nhất có thể trong tương lai😃
wildlinekim9846
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
100% đã tham gia
Tôi rất thích bài giảng. Tôi cũng đang chờ tích phân, đại số tuyến tính và thống kê. ^^
thestand9
Đánh giá 16
∙
Đánh giá trung bình 5.0
5
99% đã tham gia
Đó là một sự trợ giúp tuyệt vời vì bạn đã giải thích từng bước một cách dễ hiểu. Bạn có thể cho tôi một lịch trình sơ bộ về thời gian mở các bài giảng về phần tích phân và đại số tuyến tính không?
- asdfghjkl13551941
  Giảng viên
  Xin chào! Cảm ơn bạn đã yêu thích bài giảng. Đại số tuyến tính hiện đang được ghi lại. Tuy nhiên, do số lượng bài giảng lớn nên dự kiến sẽ mất khoảng một tháng. Tích phân sẽ được chuẩn bị sau các bài giảng về đại số tuyến tính và xác suất.

793.531 ₫

Khóa học khác của asdfghjkl13551941

Hãy khám phá các khóa học khác của giảng viên!

Giải phóng nhân loại khỏi toán học (Đại số tuyến tính Phần I) - Hình học Vector

asdfghjkl13551941

Đây là bài giảng đầu tiên về đại số tuyến tính và là bài giảng về hiểu biết hình học về vectơ và các phép toán vectơ.

Beginner

Linear Algebra, algebra

Giải phóng nhân loại khỏi toán học (Đại số tuyến tính Phần I) - Hình học Vector

asdfghjkl13551941

[PL 0302] Python cho thao tác dữ liệu - Lớp học nâng cao NumPy

asdfghjkl13551941

Đây là một khóa học về cách sử dụng NumPy và thực hành thực tế với nó.

Beginner

Numpy, Python, AI

[PL 0302] Python cho thao tác dữ liệu - Lớp học nâng cao NumPy

asdfghjkl13551941

[PL 0303] Python cho Trực quan hóa Dữ liệu - Lớp học Master Matplotlib

asdfghjkl13551941

Đây là một bài giảng về trực quan hóa dữ liệu bằng thư viện Matplotlib.

Beginner

Matplotlib, Python, AI

[PL 0303] Python cho Trực quan hóa Dữ liệu - Lớp học Master Matplotlib

asdfghjkl13551941

Giải phóng nhân loại khỏi toán học (Đại số cơ bản)

asdfghjkl13551941

Đây là bài giảng cô đọng các nội dung toán đã học ở bậc THCS và THPT. Bạn học những kiến thức và kỹ thuật toán học cần thiết với nhiều bài thực hành cho từng mục.

Beginner

algebra

Giải phóng nhân loại khỏi toán học (Đại số cơ bản)

asdfghjkl13551941

[PY 0204] Python cấp 3 cho trí tuệ nhân tạo - Hàm

asdfghjkl13551941

Đây là bài giảng thứ tư trong loạt bài [Python cho trí tuệ nhân tạo]. Đây là bài giảng cung cấp các bài tập thực hành được sử dụng trong machine learning và deep learning cùng với ngữ pháp của Python.

Beginner

Python, AI

[PY 0204] Python cấp 3 cho trí tuệ nhân tạo - Hàm

asdfghjkl13551941

[PY 0203] Cơ bản về gỡ lỗi

asdfghjkl13551941

Là buổi học thứ ba của series [인공지능을 위한 파이썬]. Bạn sẽ học cách gỡ lỗi mã Python.

Beginner

Python, AI, debugging

[PY 0203] Cơ bản về gỡ lỗi

asdfghjkl13551941

[PY 0202] Python Level 2 cho Trí tuệ nhân tạo

asdfghjkl13551941

Đây là khóa học thứ hai của series [Python dành cho Trí tuệ nhân tạo]. Đây là khóa học thực hành các bài tập thực tế được sử dụng trong Machine Learning, Deep Learning, cùng với cú pháp Python.

Beginner

Python, AI

[PY 0202] Python Level 2 cho Trí tuệ nhân tạo

asdfghjkl13551941

Hướng dẫn LaTeX viết phương trình

asdfghjkl13551941

Đây là bài giảng về cách sử dụng LaTeX để viết công thức.

Beginner

LaTeX

Hướng dẫn LaTeX viết phương trình

asdfghjkl13551941

[PY 0201] Python cấp độ 1 cho trí tuệ nhân tạo

asdfghjkl13551941

Đây là khóa học có nhiều bài luyện tập về ngữ pháp cơ bản của Python. Đây là khóa học thực hành thực tế được sử dụng trong Machine Learning, Deep Learning, cùng với ngữ pháp Python.

Beginner

Python, AI

[PY 0201] Python cấp độ 1 cho trí tuệ nhân tạo

asdfghjkl13551941

# Deep Learning của Shin Kyung-sik - Gradient-based Linear Regression (2) --- **Lưu ý về bản dịch**: Đây là tiêu đề của một bài giảng hoặc tài liệu về Deep Learning, cụ thể là phần thứ 2 về Hồi quy Tuyến tính dựa trên Gradient (Gradient-based Linear Regression). Nếu bạn có n

asdfghjkl13551941

Đây là bài giảng học cách triển khai code thực tế bằng cách sử dụng các tính năng của PyTorch cho code đã tự triển khai trong Gradient-based Linear Regression (1). Ngoài ra, đây cũng là bài giảng học về sự cần thiết của tiền xử lý dữ liệu, lý thuyết, ảnh hưởng đến quá trình học tập một cách lý thuyết, và triển khai bằng code thực tế.

Beginner

Deep Learning(DL), PyTorch, gradient-descent

asdfghjkl13551941

Deep Learning của Shin Kyung-sik - Gradient-based Linear Regression (1)

asdfghjkl13551941

Đây là bài giảng giúp bạn hiểu hoàn toàn về quá trình huấn luyện mô hình deep learning đơn giản nhất bằng Gradient descent.

Beginner

Deep Learning(DL), gradient-descent, python3

Deep Learning của Shin Kyung-sik - Gradient-based Linear Regression (1)

asdfghjkl13551941

Mạng thần kinh sâu của Shin Kyung-sik - Gradient Descent

asdfghjkl13551941

Đây là khóa học tập trung vào việc học gradient descent - thuật toán học tập cốt lõi nhất của deep learning.

Basic

Deep Learning(DL), gradient-descent, optimization-problem

Mạng thần kinh sâu của Shin Kyung-sik - Gradient Descent

asdfghjkl13551941

Mạng thần kinh sâu của Shin Kyung-sik - Gradients and PyTorch's Autograd

asdfghjkl13551941

Đây là khóa học để học các phương pháp vi phân cơ bản cần thiết để bắt đầu với deep learning và tính năng Autograd của PyTorch.

Basic

Deep Learning(DL), Integral Differential, PyTorch

Mạng thần kinh sâu của Shin Kyung-sik - Gradients and PyTorch's Autograd

asdfghjkl13551941

[PL 0301] Môi trường ảo Python và Anaconda

asdfghjkl13551941

Học khái niệm và cách thiết lập môi trường ảo.

Beginner

Anaconda

[PL 0301] Môi trường ảo Python và Anaconda

asdfghjkl13551941

[PY 0205] Python Level 4 cho Trí tuệ nhân tạo - Đối tượng và Lớp

asdfghjkl13551941

Đây là bài giảng thứ năm của series [인공지능을 위한 파이썬]. Bài giảng này thực hành các bài tập ứng dụng được dùng trong Machine Learning, Deep Learning, cùng với cú pháp Python.

Basic

Python, AI

[PY 0205] Python Level 4 cho Trí tuệ nhân tạo - Đối tượng và Lớp

asdfghjkl13551941

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

Giải tích Vector Series 4 - Tích hợp nâng cao

tkn

Thông qua khóa học này, bạn có thể xây dựng kiến thức về tích hợp nâng cao các hàm nhiều biến.

Intermediate

Integral Differential

Giải tích Vector Series 4 - Tích hợp nâng cao

tkn

Giải tích vectơ loạt 2 - Vi phân nâng cao: Nguyên tắc cơ bản của lý thuyết tối ưu hóa và hàm vectơ

tkn

Trong khóa học này, bạn sẽ tìm hiểu những kiến thức cơ bản về lý thuyết tối ưu hóa hàm nhiều biến và thông tin chung về hàm vectơ.

Intermediate

Integral Differential

Giải tích vectơ loạt 2 - Vi phân nâng cao: Nguyên tắc cơ bản của lý thuyết tối ưu hóa và hàm vectơ

tkn

Giải phóng nhân loại khỏi toán học (Giải tích Phần I) - Giải tích vi phân

Đánh giá từ những học viên đầu tiên

5.0

Bạn sẽ nhận được điều này sau khi học.

Giải phóng nhân loại khỏi toán học 😎

Khóa học này có gì đặc biệt 🔆

Học những điều như thế này 📚

Sách tham khảo 📖

Bài giảng liên quan 🤓

Khuyến nghị cho những người này

Xin chàoĐây là .css-1q3zd4q{text-decoration-line:underline;text-underline-position:under;text-underline-offset:1px;}

Lịch sử giảng dạy

Chương trình giảng dạy

Đánh giá

Khóa học khác của asdfghjkl13551941

Khóa học tương tự

Khuyến nghị cho
những người này

Xin chào
Đây là