Linear Equation Explorer
Memahami persamaan linear sebagai dasar kalkulus. Mempelajari hubungan
antara slope dan y-intercept dalam membentuk garis lurus pada grafik.
Yang Akan Dipelajari:
- Konsep slope dan y-intercept
- Eksplorasi parameter secara interaktif
- Representasi visual persamaan
- Dasar untuk mempelajari turunan
Mulai Belajar
What is a Tangent Line?
Memahami konsep garis singgung sebagai representasi geometris dari
turunan. Garis singgung menyentuh kurva di satu titik dan menunjukkan
laju perubahan pada titik tersebut.
Yang Akan Dipelajari:
- Geometri garis singgung
- Eksplorasi fungsi secara interaktif
- Menghitung slope di titik tertentu
- Fungsi dengan berbagai tingkat kompleksitas
Mulai Belajar
Finding Tangent Lines Using Two Points
Mempelajari cara menghitung garis singgung menggunakan metode dua
titik pada kurva. Pendekatan praktis sebelum masuk ke teori matematika
formal.
Yang Akan Dipelajari:
- Memilih titik secara interaktif
- Metode perhitungan slope
- Visualisasi garis sekan
- Langkah-langkah derivasi matematis
Mulai Belajar
The Concept of Limits
Memahami konsep limit sebagai jembatan antara pemahaman intuitif dan
presisi matematis. Mempelajari bagaimana garis sekan mendekati garis
singgung ketika jarak antar titik semakin kecil.
Yang Akan Dipelajari:
- Visualisasi konsep limit
- Transisi dari garis sekan ke singgung
- Animasi proses limit
- Presisi matematis
Mulai Belajar
The Delta Formula and Derivatives
Mempelajari definisi formal turunan menggunakan rumus delta. Memahami
bagaimana konsep limit diterapkan dalam perhitungan turunan.
Yang Akan Dipelajari:
- Definisi formal turunan
- Penerapan rumus delta
- Perhitungan limit
- Dasar-dasar matematis
Mulai Belajar
Partial Derivatives in 3D
Mempelajari turunan untuk fungsi dengan banyak variabel. Memahami
turunan parsial dan konsep gradien pada permukaan 3D.
Yang Akan Dipelajari:
- Visualisasi permukaan 3D
- Konsep turunan parsial
- Tampilan potongan interaktif
- Vektor gradien
Mulai Belajar
Advanced 3D Functions & Contours
Mempelajari fungsi multivariabel yang lebih kompleks dengan berbagai
puncak dan lembah. Memahami peta kontur untuk menganalisis struktur
permukaan matematis.
Yang Akan Dipelajari:
- Permukaan 3D kompleks
- Visualisasi peta kontur
- Analisis medan gradien
- Fitur permukaan lanjutan
Mulai Belajar
Gradient Descent: AI Optimization
Menerapkan kalkulus dalam kecerdasan buatan. Mempelajari algoritma
gradient descent yang digunakan dalam machine learning dengan 7
pilihan fungsi termasuk optimasi 3D.
Yang Akan Dipelajari:
- Algoritma gradient descent
- Fungsi dengan berbagai kompleksitas
- Optimasi pada ruang 3D
- Penerapan dalam AI/ML
- Fungsi Rosenbrock & Himmelblau
Mulai Belajar
Linear Regression with Gradient Descent
Menghubungkan kalkulus dengan machine learning. Mempelajari cara
gradient descent mengoptimalkan regresi linear untuk menemukan garis
terbaik dari data.
Yang Akan Dipelajari:
- Dasar-dasar regresi linear
- Fungsi loss mean squared error
- Optimasi dengan gradient descent
- Fitting data dan prediksi
- Dasar machine learning
Mulai Belajar
Manual Gradient Descent Control
Mempelajari gradient descent secara manual dengan kontrol langkah per
langkah. Memahami detail cara kerja algoritma dalam mencari solusi
optimal.
Yang Akan Dipelajari:
- Gradient descent langkah per langkah
- Update parameter manual
- Pengaruh learning rate
- Visualisasi konvergensi
- Mekanisme internal algoritma
Mulai Belajar
Automatic Gradient Descent
Melihat cara kerja gradient descent secara otomatis. Mengamati update
parameter secara real-time dan bagaimana algoritma mencapai solusi
optimal.
Yang Akan Dipelajari:
- Optimasi otomatis
- Tracking parameter real-time
- Update slider dinamis
- Pola konvergensi
- Visualisasi proses training
Mulai Belajar
Multi-Parameter Optimization
Mempelajari optimasi dengan banyak parameter. Memahami bagaimana
gradient descent menangani update simultan untuk berbagai variabel
pada ruang 3D.
Yang Akan Dipelajari:
- Koordinasi multi-parameter
- Navigasi pada ruang loss 3D
- Update parameter simultan
- Optimasi slope dan intercept
- Turunan parsial dalam praktik
Mulai Belajar
Non-Linear Regression & Activation Functions
Mempelajari regresi non-linear dan fungsi aktivasi. Memahami bagaimana
fungsi seperti sigmoid, tanh, dan ReLU memungkinkan neural network
mempelajari pola kompleks.
Yang Akan Dipelajari:
- Jenis-jenis fungsi aktivasi
- Fitting kurva non-linear
- Penerapan chain rule
- Dasar neural network
- Pengenalan pola kompleks
Mulai Belajar
Two-Layer Neural Network Training
Mempelajari dasar-dasar deep learning. Membangun dan melatih neural
network dua layer dengan algoritma backpropagation menggunakan 8
parameter.
Yang Akan Dipelajari:
- Arsitektur neural network
- Algoritma backpropagation
- Training parameter multi-layer
- Visualisasi network interaktif
- Dasar deep learning
Mulai Belajar
Project 3A: Deep Learning - Calculations
Terapkan konsep kalkulus dalam deep learning! Implementasi perhitungan manual untuk memahami fondasi matematis
neural networks.
Akses Project di Google Colab
Project 3B: Deep Learning - PyTorch
Implementasi deep learning menggunakan PyTorch! Bangun neural networks dengan framework modern dan praktikkan
konsep yang telah dipelajari.
Akses Project di Google Colab