欢迎来到我的频道，在这里我会讲解机器学习、深度学习最经典或者最前沿的模型，同时我还会讲在美国如何生活，如何找工作，如何刷LeetCode，如何快速融入社会。喜欢记得订阅、点赞哦！如果你有什么想要听的，在下面留言吧！ 目前的讲解清单： 线性回归 (LR)、逻辑回归 (LogR)、多项式回归 (PR)、Lasso 回归、Ridge 回归、弹性网络 (Elastic Net)、决策树 (DT)、随机森林 (RF)、梯度提升树 (GBT)、XGBoost、LightGBM、CatBoost、支持向量机 (SVM)、朴素贝叶斯 (NB)、K 最近邻 (KNN)、主成分分析 (PCA)、独立成分分析 (ICA)、线性判别分析 (LDA)、t-分布邻近嵌入 (t-SNE)、高斯混合模型 (GMM)、聚类分析 (CA)、K 均值聚类 (K-means)、DBSCAN、HDBSCAN、层次聚类 (HC)、GAN (生成对抗网络)、CGAN、DCGAN、WGAN (Wasserstein GAN)、StyleGAN、CycleGAN、VAE (变分自编码器)、GPT (生成式预训练模型)、BERT、Transformer、LSTM (长短期记忆网络)、GRU (门控循环单元)、RNN (循环神经网络)、CNN (卷积神经网络)、AlexNet、VGG、GoogLeNet、ResNet、MobileNet、EfficientNet、Inception、DeepDream、深度信念网络 (DBN)、自动编码器 (AE)、强化学习 (RL)、Q-learning、SARSA、DDPG、A3C、SAC、时序差分学习 (TD)、Actor-Critic、对抗训练 (Adversarial Training)、梯度下降 (GD)、随机梯度下降 (SGD)、批量梯度下降 (BGD)、Adam、RMSprop、AdaGrad、AdaDelta、Nadam、交叉熵损失函数 (Cross-Entropy Loss)、均方误差损失函数 (Mean Squared Error Loss)、KL 散度损失函数 (KL Divergence Loss)、Hinge 损失函数、感知器 (Perceptron)、RBF 神经网络、Hopfield 网络、Boltzmann 机、深度强化学习 (DRL)、自监督学习 (Self-supervised Learning)、迁移学习 (Transfer Learning)、泛化对抗网络 (GAN)、对抗生成网络 (GAN)、训练生成网络 (TGAN)、CycleGAN、深度学习生成模型 (DLGM)、自动编码器生成对抗网络 (AEGAN)、分布式自编码器 (DAE)、网络激活优化器 (NAO)、自编码器 (Autoencoder)、VQ-VAE、LSTM-VAE、卷积自编码器 (CAE)、GAN 自编码器 (GANAE)、U-Net、深度 Q 网络 (DQN)、双重 DQN (DDQN)、优先回放 DQN (Prioritized Experience Replay DQN)、多智能体 DQN (Multi-agent DQN)、深度确定性策略梯度 (DDPG)、感知器 (Perceptron)、稀疏自编码器 (SAE)、稀疏表示分类 (SRC)、深度置信网络 (DBN)、支持向量机 (SVM)、集成学习 (Ensemble Learning)、随机森林 (Random Forest)、极限梯度提升树 (XGBoost)、AdaBoost、梯度提升机 (Gradient Boosting Machine)、Stacking、贝叶斯优化器 (Bayesian Optimization)、贝叶斯网络 (Bayesian Network)、EM 算法 (Expectation-Maximization Algorithm)、高斯过程 (Gaussian Process)、马尔科夫链蒙特卡洛 (MCMC)、强化学习 (Reinforcement Learning)、无监督学习 (Unsupervised Learning)、半监督学习 (Semi-supervised Learning)、监督学习 (Supervised Learning)、迁移学习 (Transfer Learning)、维数约简 (Dimensionality Reduction)、特征选择 (Feature Selection)、特征提取 (Feature Extraction)、正则化 (Regularization)、标准化 (Normalization)、聚类 (Clustering)、分类 (Classification)、回归 (Regression)、降维 (Dimensionality Reduction)、特征映射 (Feature Mapping)、神经网络 (Neural Network)、神经元 (Neuron)、激活函数 (Activation Function)、损失函数 (Loss Function)、优化器 (Optimizer)、学习率 (Learning Rate)、批次大小 (Batch Size)、迭代次数 (Epoch)、超参数 (Hyperparameter)、模型评估 (Model Evaluation)、交叉验证 (Cross Validation)、混淆矩阵 (Confusion Matrix)、ROC 曲线 (ROC Curve)、AUC 值 (AUC Value)、精确度 (Precision)、召回率 (Recall)、F1 分数 (F1 Score)、模型解释 (Model Interpretability)、特征重要性 (Feature Importance)、局部解释 (Local Explanation)、全局解释 (Global Explanation)、机器学习管道 (Machine Learning Pipeline)、一键生成模型 (AutoML)、超参数优化 (Hyperparameter Tuning)、FFT、拉普拉斯变换、z变换、傅里叶变换、短时傅里叶变换 (STFT)、IIR、FIR、卡尔曼滤波、DIP算法、小波变换
Play酸奶的玄学程度，可以直接对标白酒，是充满无限可能性的圣水，是包含生命奥秘的饮品。 ----------------------------------------------------------------------------- 🔔最有趣的互联网商业观察，最实用的消费市场洞见。 这里是IC实验室，点击下方订阅 ↓↓ https://bit.ly/2Sq5w1d 微博/B站/微信公众号全网同名 @IC实验室 欢迎来撩 🚀精彩视频推荐： 抄袭三年获利千万，只用赔2000块？浅谈你可能不知道的中国抄袭简史 https://youtu.be/ZhJTk1u1bmE 深挖小红书背后的灰产利益链，假粉博主月入十万？ https://youtu.be/3cY2UPAGAkM 中国智商税简史：商业骗子坑钱的千层套路叫你防不胜防 https://youtu.be/iZAqqq_sM9M 【经济洞察】系列：https://bit.ly/3dqwheV 【消费战争】系列：https://bit.ly/2SSu4j0 【网红与自媒体】系列：https://bit.ly/3j5r9yh ------------------------------------------------------------------------------ #IC實驗室 #IC实验室 #經濟 #中國 #消费 #商业 #财经 #消費 #商業 #財經 #经济
Play今天我就从三个方面来对比中美电动车：美国电车，现状怎样？中国电车，优势在哪？中美电车，未来如何？ 视频文稿和推荐资料小丹尼知识星球：t.zsxq.com/VvzjeEu 小丹尼《年轻人的商学院》课程：bilibili.com/cheese/play/ep10540 商务合作/加入团队：[email protected] 小丹尼和大小马微信群：dannydata1
Play大家好，這裡是【阿test正經比比】官方頻道！😎 知識區最in的rapper，跟大家分享有趣的知識！📝 喜歡我的視頻歡迎訂閱，打開小鈴鐺不錯過更新！🔔 ⏯ 往期影片推薦 More videos 你50塊賣掉的破手機，竟是電子金礦... 🔗https://youtu.be/UyZp902UyKo 1塊錢可樂、2塊錢薯條、3塊錢漢堡，華萊士是如何從本土西式快餐中脫穎而出的？ 🔗https://youtu.be/ynPjpXCQ6ro 椰樹椰汁為什麼能火30年？成為與茅台齊名的國宴飲品！ 🔗https://youtu.be/EQeAlXFqy5E 70%外賣都是預製菜，中餐的終點會是預製菜嗎？ 🔗https://youtu.be/bVrqVCeL5Y8 1瓶路易十三賣5W，夜店賣的到底是不是假酒？ 🔗https://youtu.be/0zpV3CrEGqI #阿test正經比比 #科普 #knowledge #education #经济分析 #電車 #電動汽車 #油車
Play阳萌或许是我接触过的最懂技术的CEO：他是北大本科，但博士读了一半就跑了；他是百亿营收大厂安克创新的创始人兼CEO，也曾在谷歌做搜索算法的研发；他的公司主要做的是充电宝、扫地机器人这些消费类电子产品，但我们聊的是人工智能、芯片等等硬科技。 本集是我们交流的第一集，他帮我梳理了人工智能的过去、现在、以及未来的发展方向，我深受启发，相信肯定会对你有所帮助。下集，我们会讨论AI的落地、应用、以及为何阳萌和安克会对AI有这么深入的思考。关注我，下期见。 ------------------------------------------------------------------------------------------------------------------------------------------------ 关于我： 大家好，我是芯片工程师老石，欢迎关注我的频道“老石谈芯”。 欢迎订阅👉https://reurl.cc/8ob9Ej 敲响小铃铛🔔，可以第一时间收到我的频道动态。 我会持续带来更多专注于芯片的科普、硬核知识、以及偶尔极度硬核的技术分析与解读。我也会不断分享高效工作和学习的方法与技巧。更多内容，也欢迎关注我的微信公众号、微博。也欢迎加入我的知识星球，和我进一步交流。 🎵 我使用的音乐/BGM：https://go.shilicon.com/epidemicsound 📚 我写的书：https://go.shilicon.com/book 📝 个人网站：https://www.shilicon.com 📚 公众号：老石谈芯 🏮微博：老石谈芯的老石 🌍知识星球：老石谈芯 - 进阶版 #老石谈芯 #科技
Play大家是否意识到，AI发展时的巨大能源消耗？有爆料称微软在帮OpenAI训练GPT-6时，一不小心还把电网搞崩了；使用AI画一张图的电，也足够你充满手机。但这种情况不过是个开始，各大巨头也因AI军备竞赛，纷纷抢建数据中心，从抢芯片变成了抢能源。千亿美元投资背后，释放着怎样的信号？巨头又该如何应对呢？这期视频我们从微软能源战略部、数据中心专家及核电公司CEO三个不同角度进行了采访，深度聊聊生成式AI背后的能源大战和紧迫的用电荒。 你会看到： 00:00 - 01:31 AGI的尽头是能源？巨头拉响能源大战 01:32 - 05:04 AI训练与推理：信息处理的能量成本 05:05 - 09:05 万卡数据中心：芯片与散热堆砌的吞电巨兽 09:06 - 12:23 能源短缺：美国落后基建与飙升的需求 12:24 - 14:41 千亿投资：微软与OpenAI布局吉瓦级超算中心 14:42 - 18:31 优化方案：芯片能效与液冷技术 18:31 - 21:04 现实瓶颈：芯片短缺与激烈竞争 21:05 - 26:04 终极方案：巨头布局可控核聚变 26:05 - 29:57 环境挑战：碳中和成本翻倍？ 【关于硅谷101】 我们是由海内外一线媒体记者/主持人创办的栏目，深度解析硅谷创新趋势，以轻松的风格分享科技行业的最新动态。我们采过顶级科技大佬，积累了数万小时的媒体经验，做过调查性报道，操盘过千万级传播量的知名深度稿，引发全国讨论和微博热搜；致力于将最专业的媒体素养和信息搜集能力转化为易传播的新媒体力量。 关注我们，从这里驶向未来。 联系我们：[email protected] 【往期精彩视频】 【独家专访】诺奖得主Katalin Karikó：被威胁、冷落和打压40年后，那位“mRNA疯女人”拯救了数亿生命 https://www.youtube.com/watch?v=30BuA94F9pQ&t=363s 【深度】世纪骗局落幕：“加密货币之王”SBF的疯狂人生与FTX帝国的崩塌 https://www.youtube.com/watch?v=LyCv2Dm9A1o&t=1725s 英伟达GTC 2024: 绝对霸主的权力与遥远的野心 https://www.youtube.com/watch?v=uCvqXv_FJtI&t=803s 从Sora展开，全面解读AI视频大模型发展史 https://www.youtube.com/watch?v=oWO80lkP4bs&t=1412s 各方大佬 “大打出手”：Sora是万众期待的“世界模型”吗？ https://www.youtube.com/watch?v=YCH8yIxmPqc 【深度】聊聊AI机器人为什么发展如此缓慢【有彩蛋哟🎉】 https://www.youtube.com/watch?v=dLELvoFt_iA 【深度】OpenAI成长史：顶级资本的冲突与科技大佬们的理想主义 https://www.youtube.com/watch?v=mEnhPDCttBs 【硬核】在诉讼与骂名中崛起的英伟达GPU：从未停止过战斗，也没有永远的朋友 https://www.youtube.com/watch?v=UBwHVneGiXs&t=194s 【深度】聊聊科技四巨头的研发与XR行业的兴衰沉浮 https://www.youtube.com/watch?v=GNu8uOJNCAE 拉斯维加斯百亿网红球Sphere，承载着"纽约恶人"豪门富二代的继承枷锁与救赎 https://www.youtube.com/watch?v=oirHm4ov9eo&t=631s 生成式AI这一年：从群雄混战到生态确立，世界已被改变 https://www.youtube.com/watch?v=6gosjs_exrU&t=1072s 为马斯克减重30磅的“司美格鲁肽”：毒蜥蜴，琵琶鱼，41年和数十亿美元｜生物科技特辑（1） https://www.youtube.com/watch?v=CfoF4HBFkKw&t=4s “全球市值第三车企”VinFast：越南首富的美国梦，惊叹和荣耀只有16个交易日 https://www.youtube.com/watch?v=-D8_AbbcT8Y
Play这次分享一下我是怎么用B站评论训练AI的，包括如何收集B站的评论、从 RAG 到 LoRA 我踩了哪些坑、以及如何在笔记本电脑上微调AI大模型。
Play从小就学过，三峡建成后万吨轮可从上海直达重庆，但每隔几年就有个首次，是个定义问题。这回万吨级江海直达船通过三峡，虽然重新设计、体型变小，但算是海轮。百度可能出了魏则西事件之后最大的公关危机，还是百度公关自己制造的，璩静总已离职，不过已注册公司。杭州西安取消限购，只剩下北上广深和海南天津，考验天津几线成色的时刻来了。珠海终于放下包袱，拆除有轨电车1号线。自主武器国际会议召开，AI在军事和政治战场发威。
Play面对大模型的「来势汹涌」，苹果终于祭出了它的「第一式」：M4芯片。这个芯片，对苹果来说绝对是一个转折点式的存在，因为它有一个非常重要的参数相当炸裂，那就是它的Neural Engine蹿升到了38TOPS的算力。按照苹果官方的说法，是比目前任何AI PC的神经处理单元都要强大。 The M4 chip, Apple's first move to tackle large-scale AI models.
Play