Johns Hopkins University

通过数据和建模的微积分:极限与导数

即将结束: 只需 199 美元(原价 399 美元)即可通过 Coursera Plus 学习新技能。立即节省

Johns Hopkins University

通过数据和建模的微积分:极限与导数

Joseph W. Cutrone, PhD

顶尖授课教师

8,987 人已注册

包含在 Coursera Plus

深入了解一个主题并学习基础知识。
4.7

(209 条评论)

初级 等级
无需具备相关经验
9 小时 完成
灵活的计划
自行安排学习进度
深入了解一个主题并学习基础知识。
4.7

(209 条评论)

初级 等级
无需具备相关经验
9 小时 完成
灵活的计划
自行安排学习进度

要了解的详细信息

可分享的证书

添加到您的领英档案

授课语言:英语(English)

了解顶级公司的员工如何掌握热门技能

Petrobras, TATA, Danone, Capgemini, P&G 和 L'Oreal 的徽标

积累特定领域的专业知识

本课程是 通过数据和模型进行微分计算 专项课程 专项课程的一部分
在注册此课程时,您还会同时注册此专项课程。
  • 向行业专家学习新概念
  • 获得对主题或工具的基础理解
  • 通过实践项目培养工作相关技能
  • 获得可共享的职业证书

该课程共有6个模块

学习微积分的目的之一是分析变化率和运动。在本单元中,我们将介绍帮助我们实现这一目标的核心思想:极限和导数的概念。极限不是在单点对函数进行求值,而是研究函数在该点周围区间内的行为。在本模块中,您将通过各种方法,包括直观法和代数法,找到函数的极限。最后,我们将应用极限来定义微积分的关键概念--导数。

涵盖的内容

5个视频2篇阅读材料1个作业

使用计算器或图形是一种不精确的求函数极限的方法。 在本模块中,我们将阐述并使用极限的代数性质,即极限规律,来计算极限的精确值。对这些定律的扎实理解将使我们能够推导出定理,进而用于研究更高级函数的行为。

涵盖的内容

3个视频1篇阅读材料1个作业

在上一模块中,有几种函数类型,只需计算函数在某一数值处的值,就可以求出函数在 x 逼近该数值时的极限。 具有这种性质的函数被称为连续函数,在本模块中,我们用极限来定义连续性。 我们将看到,连续性的数学定义与日常用语中连续性一词的英文含义密切相关。

涵盖的内容

3个视频2篇阅读材料1个作业

在本模块中,我们允许 x 在正或负方向上任意变大,以了解函数的末端行为。 这样就可以正式定义水平渐近线,并对某些类型的函数的末端行为进行分类。

涵盖的内容

1个视频2篇阅读材料1个作业

求曲线切线斜率的问题和求物体瞬时速度的问题都涉及求同一种极限。 在本模块中,我们将看到导数的概念可以解释为自然科学、社会科学或工程学中的变化率。

涵盖的内容

7个视频2篇阅读材料1个作业

在这个毕业设计中,我们将应用可微分的工具和语言来分析数据的趋势。 该项目将重点模拟和分析世界多个地区不同时期教育程度的性别比例。

涵盖的内容

1次同伴评审

获得职业证书

将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。

位教师

授课教师评分
4.9 (35个评价)
Joseph W. Cutrone, PhD

顶尖授课教师

Johns Hopkins University
27 门课程 673,323 名学生

提供方

从 数学与逻辑 浏览更多内容

人们为什么选择 Coursera 来帮助自己实现职业发展

Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情,我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程,Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好:它远不止于此。Coursera 让我无限制地学习。'

学生评论

4.7

209 条评论

  • 5 stars

    83.73%

  • 4 stars

    10.52%

  • 3 stars

    3.34%

  • 2 stars

    0.95%

  • 1 star

    1.43%

显示 3/209 个

JT
5

已于 Jun 22, 2021审阅

NL
5

已于 Feb 10, 2021审阅

SM
5

已于 May 31, 2021审阅

常见问题

¹ 本课程的部分作业采用 AI 评分。对于这些作业,将根据 Coursera 隐私声明使用您的数据。