与AI行业大佬一起聊聊：如何看待波士顿动力液压版 Atlas 退役？波士顿动力机器人与特斯拉机器人有什么区别？人形机器人结合AI大模型会有什么新机会？人类对于机器人的情感期待会不会存在伦理问题？为什么普遍认为人形机器人是机器人的最高形态？中国机器人行业的发展会如当前新能源汽车行业一样强势吗？未来机器人及人工智能发展有哪些方面需要大家重点担心？ 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添加微信: AITalkandClass，免费领取课程相关资料，速通人工智能，零基础转型AI。 卢菁博士，北京大学博士后。 12年人工智能领域的一线开发经验，实战经验丰富。曾担任腾讯技术专家及AI带头人，负责千万级日活推荐系统研发。 课程亮点： 速通精学人工智能与机器学习，深入底层逻辑，沿着技术脉络系统学习 实战项目讲解：从企业真实项目需求出发，有极高实用价值 课程内容囊括90%AI岗位需求：自然语言处理，推荐系统，计算机视觉，深度学习
Play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与AI大模型业内人聊聊：美国和中国做大模型有啥区别？大模型领域普通人可以如何参与？一个拥有AI直觉的人是什么样？AI和XR可以有什么火花？人造钻石到底是怎么回事？2023年科技圈有什么值得关注的事？AI大模型的推荐资料。 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
Play2023年4月22日，陆奇举行奇绩创坛小规模演讲，演讲涵盖他对大模型时代的宏观思考，包括拐点的内在动因、技术演进、创业公司结构性机会点以及给创业者的建议。陆奇希望帮助中国创业者认清这次历史性的拐点时刻，定位今天的时代坐标、找准自己的位置。“这个时代跟淘金时代很像，”他说道，“如果你那个时候去加州淘金，一大堆人会死掉。但是卖勺子、卖铲子的人永远可以赚钱。” #陆奇 #openai #chatgpt #llm
Play