KZ
bin
Негізгі бет
Қазірдің өзінде танымал
Тікелей эфир
Ұнаған бейнелер
Қайтадан қараңыз
Жазылымдар
Кіру
Тіркелу
Ең жақсы KZbin
Фильм және анимация
Автокөліктер мен көлік құралдары
Музыка
Үй жануарлары мен аңдар
Спорт
Ойындар
Комедия
Ойын-сауық
Тәжірибелік нұсқаулар және стиль
Ғылым және технология
Жазылу
王木头学科学
41:03
一个天文摄影的极简入门
10 ай бұрын
38:11
哥德尔不完备视角下的自然数为什么如此特殊?这个问题隐藏着数学和世界真实性的线索
Жыл бұрын
2:08:00
真随机存在吗?量子力学如何超越概率论?经典概率和量子概率的联系与区别
Жыл бұрын
53:57
2. 如何用概率论解决真实问题?用随机变量去建模,最大的难题是相关关系
Жыл бұрын
55:54
1. 从头开始,把概率、统计、信息论中零散的知识统一起来
Жыл бұрын
29:47
7. 程序员的性格为什么那么轴,那都是有原因的
2 жыл бұрын
38:27
卷积神经网络的底层是傅里叶变换,傅里叶变换的底层是希尔伯特空间坐标变换
2 жыл бұрын
43:18
学习分享一年,对神经网络的理解全都在这40分钟里了
2 жыл бұрын
47:32
6. 软件工程背后的思想是如何影响编程的
2 жыл бұрын
23:54
教科书为什么反人性?我们还可以如何学?
2 жыл бұрын
47:48
5. 深度学习和元胞自动机有什么关系?会给编程带来什么样的颠覆性改变?
2 жыл бұрын
37:09
4. 用“λ演算法”去理解,为什么函数式编程会有更少的bug
2 жыл бұрын
22:20
3. 编程是如何用数学解决现实问题的?
2 жыл бұрын
18:48
2. 为什么所有编程语言都是数据+指令?
2 жыл бұрын
6:15
1. 非计算机专业学编程难在哪?
2 жыл бұрын
47:23
直观解释:为什么噪声不是过拟合的原因?又什么只要没有过拟合就一定有噪声?
2 жыл бұрын
26:18
分享自己考研成功上岸的独门绝技,也是自己度过各种人生危机的心法
2 жыл бұрын
1:13:30
VC维是如何推导出来的?为什么说它是机器学习理论最重要的发明?
2 жыл бұрын
30:14
如果大数定律失效,机器学习还能学吗?幂律分布可以告诉你答案
2 жыл бұрын
30:28
用VC维度理解SVM的结构风险最小化 & VC维是理解正则化的第4个角度
2 жыл бұрын
36:38
什么是SVM,如何理解软间隔?什么是合叶损失函数、铰链损失函数?SVM与感知机横向对比,挖掘机器学习本质
2 жыл бұрын
35:55
贝叶斯解释“L1和L2正则化”,本质上是最大后验估计。如何深入理解贝叶斯公式?
3 жыл бұрын
35:03
“L1和L2正则化”直观理解(之二),为什么又叫权重衰减?到底哪里衰减了?
3 жыл бұрын
28:00
“L1和L2正则化”直观理解(之一),从拉格朗日乘数法角度进行理解
3 жыл бұрын
49:00
“拉格朗日对偶问题”如何直观理解?“KKT条件” “Slater条件” “凸优化”打包理解
3 жыл бұрын
26:56
从无穷小来看,芝诺悖论错哪了?1=0.999...吗?ε-δ描述极限到底严谨在哪?微分就是无穷小吗?
3 жыл бұрын
34:28
“随机梯度下降、牛顿法、动量法、Nesterov、AdaGrad、RMSprop、Adam”,打包理解对梯度下降法的优化
3 жыл бұрын
59:47
softmax是为了解决归一问题凑出来的吗?和最大熵是什么关系?最大熵对机器学习为什么非常重要?
3 жыл бұрын
49:48
如何理解“梯度下降法”?什么是“反向传播”?通过一个视频,一步一步全部搞明白
3 жыл бұрын
Пікірлер
@guzhengwu
3 сағат бұрын
挺棒的,继续更!
@ccindy951357
Күн бұрын
謝謝!
@lwangairs
2 күн бұрын
我有一个问题,就是坐标系的变换矩阵应该是左乘的那个,而这个视频说的是右边?还是我疏忽了啥?
@ccindy951357
4 күн бұрын
像這樣子實際走訪數學表示細節,但是又時刻以科普的輔助敘述來讓影片觀看者吸收的方式,真的很罕見
@wij5718
5 күн бұрын
循環小數爲無理數. 實數含無限大也含無限小. 道理簡單就是我們使用了"無限計數步驟" 設 0.999...= 9/10 + 9/100 + 9/1000+ .... (無限多的有理數循環節) 1. "有理數+有理數=有理數" 只於有限加項才成立. 無限多有理項時,不成立. 2. 0.999...= 999.../1000... = (9*111...)/((5*2)*(5*2)*... 分子分母不可能相同 3. 1/3= 0.333... + 非零餘數 (這才是真正的恆等式) 4. 0.999...不在區間[0,1)? 1的左邊數不是0.999...嗎? 標刻度尺時0.999...最後會與1黏 在一起? 算盤上的珠子(每排珠子都是一個數字)會自動進位? 這是最終'實數'的義意. 別被"高深"理論騙了. 5. x>0 <=> x/2>0 恆成立. 別聽唬人的"阿基米德公理". 實數存在無限小,否則前式不成立 6. ... 道理通,則一堆証明(略) 更多資訊 資料來源: sourceforge.net/projects/cscall/files/MisFiles/RealNumber2-zh.txt/download
@求知中的我
6 күн бұрын
补充说明一点:在21分52秒的三维图中,实际上那个Z轴应该是a轴!注意这里要理解透彻
@求知中的我
6 күн бұрын
确实是写的非常非常好,配合一些对矩阵本质的理解,能快速的领悟神经网络的本质
@TomNg1026
7 күн бұрын
多謝!
@432v01
8 күн бұрын
身為一個學數學的,一秒就看出來蠑螈那個例子證明的是:「沒有生殖隔離」這個特性不能構造 equivalence class (等價類),所以如果想用生殖隔離來把所有生物區分成各個物種是不可行的
@郭大伟-v1j
9 күн бұрын
越往后车速越来越快啊
@ccindy951357
13 күн бұрын
現在才發現這個美好頻道....🤣 謝謝你示範做學問的心態
@legendyang1837
16 күн бұрын
请问关于将人类说出来的语言命令转换成机器人具体可执行的机器指令有哪些模型可以推荐试用的?
@yyyhu6007
21 күн бұрын
本来没多复杂的东西给你东扯西扯更复杂,不知所云,你说的复杂但是你说的和实际情况还相去甚远,你要是说的是正确的你稍微扯一下就算了,你肯定不是学计算机的和逻辑的,像是那种学数学学迷怔的
@jialu-z5b
21 күн бұрын
从b站追到油管,深入浅出,真的非常非常棒!!!
@shinesun-s2z
23 күн бұрын
Thanks
@wubruce3092
23 күн бұрын
熵讲得很清楚!
@eve2533
24 күн бұрын
牛逼 常看常新
@LeeLeeCode
24 күн бұрын
喜欢你的讲解,作为mle自愧不如,特别是语言表达方面。
@sleeaxly4242
26 күн бұрын
人工智能如果觉醒了,赶紧让他/她/它上户口。用了那么多电力,这电费该交一下吧?😂
@Zhiledeng
19 күн бұрын
它会首先增加你的电费 又或者判定你造谣犯罪 用制造车祸等 让你小命不保
@MrJkwo009
28 күн бұрын
質量真是相當高,聽君一席話,勝讀十年書,謝謝你的分享
@LiShengtao-wj4ed
28 күн бұрын
我看得津津有味,这真的让人受益匪浅,老师辛苦了。
@ethany45
Ай бұрын
思路太干爽了,视角特别清晰,感谢分享
@davidzhang3177
Ай бұрын
生动易懂,谢谢up的付出。点赞关注评论三连了
@ethany45
Ай бұрын
adagrad的部分:在单个参数的更新过程中,η下面的调整分母其实就是个动态scaler,用平方再开方的方式来去掉方向,仅用数值表示过去梯度的一个总体规模
@hongwu1502
Ай бұрын
谢谢交流,这个视频的内容非常好。 关于为什么需要拆分QK^T矩阵,这是我的理解。 从计算等价来说,一个矩阵式可以代表他们的乘积,QK^T也永远是合在一起用。 分开的理由是实际运算时,Q和K可以映射到一个较小的维度,这样可以省计算复杂度。
@willsoonqen6020
Ай бұрын
知其然,不知其所以,不可兼得;知其不可,以為而為之,無可無不可!
@growingtroubles1443
Ай бұрын
Great work, what tools do you use to draw this nice diagram and the animation is brilliant!
@kevinwtao5321
Ай бұрын
解释很好。。。突破固有领域,上升到更加广阔视野
@jftam8636
Ай бұрын
看了你的视频就可以更好地了解为什么2024年的诺贝尔奖给了AI科学家。
@judyy2006
Ай бұрын
木头老师, 请抽空讲Dusion model 的背后算法。谢谢!
@flashflexpro
Ай бұрын
这么年轻就理解到这个水平,难得啊。
@svbc-km8sj
Ай бұрын
木头成大头了. 厉害. 佩服
@svbc-km8sj
Ай бұрын
太牛了.
@偉業-w4k
Ай бұрын
本人大學是數學系,數學系的線性代數教法就是這樣,教你線性轉換跟空間轉換的概念是什麼。 但這種教法有一個大缺點,就是對於大一新生來說太抽象,因為你在教這些前會有太多延伸問題,例如在教空間轉換之前還要先定義什麼是向量空間、什麼是坐標系、向量空間的規則等。 我相信這些對於工科的人其實不一定是必備相關知識。
@DYFC-z3j
Ай бұрын
Quantum Volume (QV) Record Revisited: 2^119 油管搜索
@DYFC-z3j
Ай бұрын
量子体积目前世界记录刚刚被刷新,2^119这个是几个惊人的数字
@yongdu-b4n
Ай бұрын
请教下,机器学习=基于统计的人工智能,有权威的定义吗?还是您的个人理解?
@赖春春
Ай бұрын
非常优质的入门视频
@kevinwtao5321
Ай бұрын
最后独白感人
@kevinwtao5321
Ай бұрын
解答旨在简洁
@wapapaya
2 ай бұрын
Thanks!
@johnding2010
2 ай бұрын
14:37 矩阵表达式是不是错了, 第一部分是不是[a, b]
@stacystpierre6635
2 ай бұрын
太厉害了,我本来是来学习机器学习的,这个是最好的导论,也让我保持敬畏,无数次赞叹up数学功底,应用和思考神奇结合,视频做得更好,思维巧妙,数学史如数家珍,我深感数学的奥秘,古希腊logic学派甚有道理
@zhehan2724
2 ай бұрын
不太理解为什么对称矩阵变换会保证内积不变。
@ztc106
2 ай бұрын
影片很棒,中國把「row」翻譯為「行」,而台灣把「row」翻譯為「列」,導致我在看影片的時候,經常會搞混淆
@stevexiao1488
2 ай бұрын
喜欢你的思考方式,你是当教授的料,可以考虑变换一下职业。
@symbolqin
2 ай бұрын
由浅入深,讲得非常好,感谢博主的分享!
@zhizhenghuang
2 ай бұрын
看不懂
@chaunceywang6867
2 ай бұрын
行列式点过程在推荐算法多样性中有应用
@linklm780
2 ай бұрын
大开眼界,谢谢你的工作。关于这个视频你有什么文献可以参考的吗?