Luyện nói tiếng Anh bằng Shadowing qua video: Essence of linear algebra preview
Chọn chế độ luyện tập
Mỗi chế độ mở một phòng luyện tập toàn màn hình.
47 câu
Nếu các câu quá ngắn hoặc quá dài, hãy bấm Edit để chỉnh sửa.
1
Hey everyone!
2
So, I'm pretty excited about the next sequence of videos that I'm doing.
3
They'll be about linear algebra, which as a lot of you know, is one of those subjects that's required knowledge for just about any technical discipline, but it's also, I've noticed,
4
generally poorly understood by students taking it for the first time time.
5
A student might go through a class and learn how to compute lots of things, like matrix multiplication, or the determinant, or cross products which use the determinant,
6
or eigenvalues, but they might come out without really understanding why matrix multiplication is defined the way that it is,
7
why the cross product has anything to do with the determinant, or what an eigenvalue really represents.
8
Oftentimes, students end up well-practiced in the numerical operations of matrices, but are only vaguely aware of the geometric intuitions underlying it all.
9
But there's a fundamental difference between understanding linear algebra on a numeric level and understanding it on a geometric level.
10
Each has its place, but roughly speaking, the geometric understanding is what lets you judge what tools to use to solve specific problems,
11
feel why they work, and know how to interpret the results.
12
And the numeric understanding is what lets you actually carry through the application of those tools.
13
Now, if you learn linear algebra without getting a solid foundation in that geometric understanding, the problems can go unnoticed for a while,
14
until you've gone deeper into whatever field you happen to pursue, whether that's computer science, engineering, statistics, economics, or even math itself.
15
Once you're in a class, or a job for that matter, that assumes fluency with linear algebra,
16
the way that your professors or your co-workers apply that field could seem like utter magic.
17
They'll very quickly know what the right tool to use is, and what the answer roughly looks like in a way
18
that would seem like computational wizardry if you assume that they're actually crunching all the numbers in their head.
19
Here, as an analogy, imagine that when you first learned about the sine function in trigonometry, you were shown this infinite polynomial.
20
This, by the way, is how your calculator evaluates the sine function.
21
For homework, you might be asked to practice computing approximations of the sine function, by plugging in various numbers to the formula and cutting it off at a reasonable point.
22
And in fairness, let's say you had a vague idea that this was supposed to be related to triangles, But exactly how had never really been clear, and was just not the focus of the course.
23
Later on, if you took a physics course, where sines and cosines are thrown around left and right, and people are able to tell pretty immediately how to apply them
24
and roughly what the sign of a certain value will be, it would be pretty intimidating, wouldn't it?
25
It would make it seem like the only people who are cut out for physics are those with computers for brains, and you would feel unduly slow or dumb for taking so long on each problem.
26
It's not that different with linear algebra.
27
And luckily, just as with trigonometry, there are a handful of intuitions, visual intuitions, underlying much of the subject.
28
And unlike the trig example, the connection between the computation and these visual intuitions is typically pretty straightforward.
29
And when you digest these, and really understand the relationship between the geometry and the numbers, the details of the subject, as well as how it's used in practice,
30
start to feel a lot more reasonable.
31
In fairness, most professors do make an effort to convey that geometric understanding.
32
The science example is a little extreme.
33
But I do think
34
that a lot of courses have students spending a disproportionate amount of time on the numerical side of things, especially given that in this day and age,
35
we almost always get computers to handle that half, while in practice, humans worry about the conceptual half.
36
So this brings me to the upcoming videos.
37
The goal is to create a short, binge-watchable series animating those intuitions from the basics of vectors up through the core topics
38
that make up the essence of linear algebra.
39
I'll put out one video per day for the next five days, then after that put out a new chapter every one to two weeks.
40
I think it should go without saying that you cannot learn a full subject with a short series of videos, and that's just not the goal here.
41
But what you can do, especially with this subject, is lay down all the right intuitions
42
so the learning that you do moving forward is as productive and fruitful as it can be.
43
I also hope this can be a resource for educators who are teaching courses that assume fluency with linear algebra, giving them a place to direct students that need a quick brush up.
44
I'll do what I can to keep things well paced throughout, but it's hard to simultaneously account for different people's different backgrounds and levels of comfort,
45
so I do encourage you to readily pause and ponder if you feel that it's necessary.
46
Actually, I'd give that same advice for watching any math video, even if it doesn't feel too quick, since the thinking that you do on your own time is where all the learning really happens, don't you think?
47
So, with that as an introduction, I'll see you next video.
Tải Ứng Dụng
Mọi thứ bạn cần để nói trôi chảy
Chấm điểm AIChấm từng câu nói
Luyện IPAThành thạo mọi âm
Từ vựngMở rộng vốn từ
Game Từ vựngHọc qua chơi
Cùng kênh
C14
The inscribed square problem
American AccentUniversity StudentsWorking Adults
C13
The Newton art puzzle
American AccentUniversity StudentsWorking Adults
C12
How might LLMs store facts | Deep Learning Chapter 7
American AccentIELTS PrepTOEFL PrepUniversity Students
C15
Transformers, the tech behind LLMs | Deep Learning Chapter 5
American AccentBusiness EnglishUniversity StudentsWorking Adults
C12
Linear combinations, span, and basis vectors | Chapter 2, Essence of linear algebra
American AccentCambridge Exam PrepUniversity StudentsWorking Adults
C15
Fourier series
American AccentUniversity StudentsWorking Adults
C14
Euler's Formula Poem
American AccentIELTS PrepTOEFL PrepUniversity Students
C12
Vectors | Chapter 1, Essence of linear algebra
American AccentBusiness EnglishUniversity StudentsWorking Adults
C239
Large Language Models explained briefly
American AccentBusiness EnglishUniversity StudentsWorking Adults
C12
Oh, wait, actually the best Wordle opener is not “crane”…
American AccentBusiness EnglishUniversity StudentsWorking Adults
C21
Hilbert's Curve: Is infinite math useful?
American AccentBusiness EnglishUniversity StudentsWorking Adults
C25
But what is a neural network? | Deep learning chapter 1
American AccentBusiness EnglishUniversity StudentsWorking Adults
C1Divergence and curl: The language of Maxwell's equations, fluid flow, and more
American AccentBusiness EnglishUniversity StudentsWorking Adults
C1But what is quantum computing? (Grover's Algorithm)
American AccentBusiness EnglishUniversity StudentsWorking Adults
C1Tie random ends: How many loops?
American AccentUniversity StudentsWorking Adults
FOR YOU
Video gợi ý
C11
105 câu
Google’s AI Course for Beginners (in 10 minutes)!
American AccentBusiness EnglishUniversity StudentsWorking Adults
C13
156 câu
100+ Computer Science Concepts Explained
American AccentBusiness EnglishUniversity StudentsWorking Adults
C11
120 câu
Learn Data Modeling in 8 minutes: Dimensional Data Modeling, Data Vault, and One Big Table
Business EnglishUniversity StudentsWorking Adults
C19
38 câu
The Neuroscience of Learning
Business EnglishUniversity StudentsWorking Adults
C12
41 câu
Mathematical Statistics and the Theory of Probability in Casinos
Business EnglishUniversity StudentsWorking Adults
C12
86 câu
The Map of Mathematics
British AccentBusiness EnglishUniversity StudentsWorking Adults
C15
227 câu
Civil 3D course for beginners - Part 1 of 3
Business EnglishUniversity StudentsWorking Adults
C13
275 câu
You're Stuck In The Matrix, Here's How You Escape
American AccentBusiness EnglishUniversity StudentsWorking Adults
C14
128 câu
Financial Analysis Fundamentals: How to Analyze Financial Statements Like a Pro Part 1 | CFI Course
Business EnglishUniversity StudentsWorking Adults
C13
221 câu
Derivative as slope of a tangent line | Taking derivatives | Differential Calculus | Khan Academy
American AccentCambridge Exam PrepUniversity StudentsWorking Adults
Từ vựng và ghi chú luyện nói cho bài học này
Bài luyện nói trình độ C1 này dựa trên video “Essence of linear algebra preview”. Những từ được nhắc lại nhiều nhất trong bài: algebra, linear, understanding, intuitions, geometric. Video này có 47 câu và 917 từ để luyện shadowing. Phần lời nói dài 4:43. Người nói nói nhanh, khoảng 195 từ mỗi phút, nên sẽ có nhiều chỗ nối âm và nuốt âm. Chỉ 81% số từ nằm trong 3.000 từ tiếng Anh thông dụng nhất, nên từ vựng khá khó.
Từ vựng quan trọng trong video
15 từ khó nhất trong video, kèm phiên âm và nghĩa:
| Từ | Phiên âm | Nghĩa |
|---|---|---|
| algebra danh từ | /ˈæl.d͡ʒɪ.bɹə/ | đại số |
| intuition danh từ | /ˌɪn.tjuːˈɪʃ.ən/ | trực giác |
| sine danh từ | /saɪn/ | sin |
| determinant danh từ | /dɪˈtɜːmɪnənt/ | định thức |
| fluency danh từ | /ˈfluːənsi/ | sự thành thạo |
| multiplication danh từ | /ˌmʌltɪplɪˈkeɪʃən/ | phép nhân |
| trigonometry danh từ | /ˌtɹɪɡəˈnɒmətɹi/ | lượng giác học, lượng giác |
| cosine danh từ | /ˈkoʊ.saɪn/ | côsin |
| intimidate động từ | /ɪnˈtɪmɪdeɪt/ | dọa nạt, hăm dọa |
| polynomial danh từ | /ˌpɑliˈnoʊmiəl/ | đa thức |
| calculator danh từ | /kæl.kjə.leɪ.tɚ/ | máy tính cầm tay, máy tính cơ khí |
| analogy danh từ | /əˈnæləd͡ʒi/ | loại suy |
| interpret động từ | /ɪnˈtɜː.pɹɪt/ | diễn giải |
| vague tính từ | /veɪɡ/ | mơ hồ, mông lung |
| geometry danh từ | /d͡ʒiˈɑ.mə.tɹi/ | hình học |
Cụm động từ bạn sẽ nghe
| Từ | Nghĩa |
|---|---|
| lie down động từ | nằm xuống, nằm ngả |
Ngữ pháp trong video
Những cấu trúc người nói dùng nhiều nhất, kèm đúng cụm từ trong video:
| Cấu trúc | Trong video |
|---|---|
| Câu bị động be + quá khứ phân từ — nhấn vào việc xảy ra, không phải người làm | is defined · were shown · might be asked |
| Thì hiện tại hoàn thành have/has + quá khứ phân từ — việc đã xảy ra nhưng còn liên quan đến hiện tại | I've noticed · you've gone |
Phát âm cần chú ý
Người nói dùng 15 dạng rút gọn, ví dụ I'll, I'm, they'll. Hãy nói theo dạng ngắn đúng như bạn nghe.
- Âm “sh” và “zh”: intuition /ˌɪn.tjuːˈɪʃ.ən/, multiplication /ˌmʌltɪplɪˈkeɪʃən/, approximation /əˌpɹɑk.sɪˈmeɪ.ʃən/, computation /ˌkɑmpjʊˈteɪʃn̩/, disproportionate /dɪs.pɹəˈpɔː.ʃə.nət/
- Từ dài — đặt trọng âm cho đúng: intuition /ˌɪn.tjuːˈɪʃ.ən/, geometric /ˌd͡ʒiː.əʊˈmɛt.ɹɪk/, determinant /dɪˈtɜːmɪnənt/, eigenvalue /ˈaɪ.ɡənˌvæl.ju/, multiplication /ˌmʌltɪplɪˈkeɪʃən/
Những âm người Việt thường gặp khó:
- Cụm phụ âm cuối — đọc đủ từng âm, đừng nuốt âm cuối: determinant /dɪˈtɜːmɪnənt/, matrix /ˈmeɪ.tɹɪks/, oftentimes /ˈɔf.ənˌtaɪmz/, unnoticed /ʌnˈnoʊtɪst/, binge /bɪnd͡ʒ/
- Âm /tʃ/, /dʒ/ và /ʒ/ — tiếng Việt không có, đừng đọc thành “ch” hay “gi”: algebra /ˈæl.d͡ʒɪ.bɹə/, geometric /ˌd͡ʒiː.əʊˈmɛt.ɹɪk/, educator /ˈɛd͡ʒəkeɪtɚ/, binge /bɪnd͡ʒ/, crunch /kɹʌnt͡ʃ/
- Âm /æ/ — mở miệng rộng hơn âm “e”: algebra /ˈæl.d͡ʒɪ.bɹə/, eigenvalue /ˈaɪ.ɡənˌvæl.ju/, animate /ˈæn.ə.mət/, calculator /kæl.kjə.leɪ.tɚ/, analogy /əˈnæləd͡ʒi/
Cách luyện với video này
- Nghe hết video một lần, chưa cần nói, và ghi lại những từ bạn chưa biết.
- Bắt đầu ở tốc độ 0,75×, nói đuổi từng câu, rồi quay lại tốc độ bình thường khi đã quen.
- Ghi âm giọng mình rồi so với bản gốc, chú ý các từ như algebra, intuition, sine.
Phương Pháp Shadowing Là Gì?
Shadowing là kỹ thuật học ngôn ngữ có cơ sở khoa học, ban đầu được phát triển cho chương trình đào tạo phiên dịch viên chuyên nghiệp và được phổ biến rộng rãi bởi nhà đa ngôn ngữ học Dr. Alexander Arguelles. Nguyên lý cốt lõi đơn giản nhưng cực kỳ hiệu quả: bạn nghe tiếng Anh của người bản xứ và lặp lại to ngay lập tức — như một "cái bóng" (shadow) đuổi theo người nói với độ trễ chỉ 1–2 giây. Khác với luyện ngữ pháp hay học từ vựng bị động, Shadowing buộc não bộ và cơ miệng phải đồng thời xử lý và tái tạo ngôn ngữ thực tế. Các nghiên cứu khoa học xác nhận phương pháp này cải thiện đáng kể phát âm, ngữ điệu, nhịp điệu, nối âm, kỹ năng nghe và độ lưu loát khi nói — đặc biệt hiệu quả cho người luyện IELTS Speaking và muốn giao tiếp tiếng Anh tự nhiên như người bản ngữ.