하루 10분 한달완성 최적화이론 1
임장환
AI/딥러닝, 컴퓨터 비젼, 컴퓨터 그래픽 등에 필요한 최적화이론 입니다. 최적화이론1에서는 중점적으로 다변수함수의 정의와 다변수함수의 미분을 다루고 있습니다. 왜 그럴까요! 모든 최적화 문제는 다변수 함수 형태로 표현되기 때문입니다. 정확한 다변수 함수의 정의와 미분개념을 습득하시면 위 분야의 이론적 접근이 상당히 쉬워집니다.
Basic
최적화이론, 선형대수학, 머신러닝
Bộ lọc Kalman của Jang-Hwan Lim 1
Bạn có thể hiểu nguyên lý hoạt động lý thuyết của Kalman Filter qua các ví dụ dễ hiểu.
(5.0) 1 đánh giá
37 học viên
이론 중심
kalman-filter
kalman
수학
Probability and Statistics
Linear Algebra
MATLAB
Python
Dịch cái này sang tiếng Việt
Hiểu chính xác nguyên lý hoạt động của Kalman Filter qua các ví dụ dễ hiểu
Phương pháp lý thuyết toán học mạnh mẽ
Bộ lọc Kalman khó khăn và đầy thách thức,
Hãy cùng hiểu rõ hơn qua ví dụ nhé ✨
Học bằng ví dụ
Bộ lọc Kalman hoạt động như thế nào 💡
Bộ lọc Kalman?
Bộ lọc Kalman là một thuật toán được phát triển vào những năm 1660 bởi nhà lý thuyết điều khiển người Mỹ Rudolf E. Kalman. Ông đã phát triển nó tại NASA để giải quyết các vấn đề điều khiển bay của tên lửa và máy bay, và kể từ đó, nó đã được ứng dụng trong nhiều lĩnh vực, bao gồm kỹ thuật điều khiển, robot và xử lý tín hiệu. Nó vẫn là một thuật toán được sử dụng rộng rãi cho đến ngày nay.
Bộ lọc Kalman là một thuật toán phức tạp về mặt toán học, khiến việc hiểu nó khá khó khăn. Việc học nó đòi hỏi nền tảng vững chắc về đại số tuyến tính, lý thuyết xác suất và thống kê. Thật không dễ dàng! Bản thân tôi cũng đã từng trải qua điều đó. Tôi đã gặp phải khó khăn nhiều lần khi học. Mặc dù có rất nhiều bài giảng, tôi vẫn chưa nắm bắt được hết về bộ lọc Kalman. Không thể nào giải thích hết mọi thứ về bộ lọc Kalman, và cũng không cần thiết phải làm vậy.
Vì vậy, tôi quyết định giải thích cách Bộ lọc Kalman hoạt động bằng một vài ví dụ đơn giản . Một khi bạn đã hiểu về Bộ lọc Kalman, bạn có thể áp dụng nó vào lĩnh vực chuyên môn của mình. Vậy thì áp dụng mà không cần hiểu lý thuyết hay áp dụng với kiến thức về lý thuyết và các nguyên lý sẽ tốt hơn? Lựa chọn sáng suốt là ở bạn.
Tính năng bài giảng ✨
Trong bài giảng này, tôi sẽ giải thích nguyên lý hoạt động của bộ lọc Kalman một cách rất cụ thể, sử dụng các ví dụ đơn giản để giúp bạn hiểu một cách trực quan nhất có thể. Nếu bạn tận dụng bài giảng này một cách hiệu quả, tôi tin rằng thời gian tìm hiểu về bộ lọc Kalman sẽ được rút ngắn đáng kể.
Bạn có thể hiểu về mặt toán học cách bộ lọc Kalman hoạt động.
Học từ những ví dụ dễ hiểu sẽ giúp bạn hiểu đầy đủ về bộ lọc Kalman.
Chúng tôi trình bày lý thuyết xác suất và thống kê cần thiết để giải thích lý thuyết này .
Tôi giới thiệu điều này cho những người này 🙆♀️
Bất kỳ ai biết một chút về bộ lọc Kalman là gì
Các chuyên ngành kỹ thuật điều khiển, robot, xử lý tín hiệu và thị giác máy tính
Sinh viên sau đại học muốn tìm hiểu kỹ về bộ lọc Kalman
Bạn sẽ học được gì 📚
Câu hỏi dự kiến Hỏi & Đáp 💬
H. Tôi có thực sự hiểu được Bộ lọc Kalman không?
Thực ra, tôi muốn nói với bạn rằng để thực sự hiểu bộ lọc Kalman, bạn cần phải nghiên cứu nó một cách nhất quán và không ngừng nghỉ. Tôi tạo ra khóa học này vì tôi tin rằng mình có thể giúp bạn hiểu về bộ lọc Kalman.
H. Cần có bao nhiêu kiến thức trước về xác suất và thống kê?
Tôi là người tiếp cận trực tiếp, trực tiếp, nên tôi tin rằng bất kỳ ai có kiến thức cơ bản đều có thể giải quyết được thử thách này. Bạn cũng nên thường xuyên học xác suất và thống kê. Hơn nữa, vì bạn không cần phải biết tất cả mọi thứ, tôi đã đưa những thông tin cần thiết vào phần phụ lục.
H. Kiến thức toán học nào là kiến thức tiên quyết?
Cần có kiến thức về đại số tuyến tính, xác suất và thống kê, và lý thuyết tối ưu hóa.
Vui lòng kiểm tra trước khi tham gia lớp học 📢
- Tôi đã triển khai nội dung lý thuyết chủ yếu bằng Python. Tôi cũng đã thêm một số chương trình MatLab cho nhu cầu riêng của mình. Tôi sẽ tải lên các chương trình tôi đã triển khai, nhưng tôi muốn nhấn mạnh rằng mỗi học viên đều có trách nhiệm triển khai chúng.
- Để tham khảo, đầu tiên tôi lập trình bằng Matlab dễ dàng và sau đó sử dụng PyCharm.
- Mục đích của bài giảng này là tập trung vào việc giải thích lý thuyết về Bộ lọc Kalman. Do đó, việc triển khai là trách nhiệm của mỗi sinh viên.
- Tài liệu lớp học được tải lên ở định dạng PDF và tệp chương trình được tải lên ở định dạng văn bản.
Giới thiệu Người chia sẻ kiến thức ✒️
- Nhà nghiên cứu thị giác máy tính 3D hiện tại
- Người điều hành kênh YouTube hiện tại: Lim Jang-hwan: Tầm nhìn máy tính 3D
- Hiện tại) Facebook: SLAM KR Group (Ủy ban chuyên gia toán học)
- Cựu Tiến sĩ Khoa học (Topology) của Đại học Kile, Đức
- Cựu Giáo sư nghiên cứu, Khoa sau đại học về Khoa học hình ảnh tiên tiến, Đại học Chung-Ang (Nghiên cứu thị giác máy tính 3D)
- Sách: Lý thuyết tối ưu hóa
Khuyến nghị cho
những người này
Khóa học này dành cho ai?
Những người muốn hiểu cách hoạt động của Bộ lọc Kalman
Những người nghiên cứu kỹ thuật robot, kỹ thuật điều khiển và xử lý tín hiệu
Người nghiên cứu về máy học và trí tuệ nhân tạo
Cần biết trước khi bắt đầu?
Kiến thức cơ bản về ngôn ngữ MatLab và Python
Lý thuyết cơ bản về thống kê xác suất, đại số tuyến tính, giải tích
178
Học viên
7
Đánh giá
6
Trả lời
4.7
Xếp hạng
3
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
34 bài giảng ∙ (5giờ 10phút)
Tài liệu khóa học:
Tài liệu bài giảng
Ngày đăng:
Cập nhật lần cuối:
Đánh giá
Tất cả
1 đánh giá
4.603.708 ₫
Khóa học khác của jhim21
Hãy khám phá các khóa học khác của giảng viên!
Khóa học tương tự
Khám phá các khóa học khác trong cùng lĩnh vực!
![[EduAtoZ] Python CosPro 1급 예상문제 풀이(40문제)Course Thumbnail](https://cdn.inflearn.com/public/files/courses/328114/cover/01jqg4rpge3f3tbhcswsr5tv2s?f=avif&w=420)
