#清华大模型公开课第二季 #OpenBMB 目录 1. The Evolution of Artificial Intelligence --History 人工智能的演变--历史 1.1 Definition of AI --定义 1.2 Conceptualization of AI -- 概念 1.3 Birth of AI as a Discipline 1.4 Develop

声明：此系列博文根据斯坦福CS229课程，吴恩达主讲 所写，为本人自学笔记，写成博客分享出来           博文中部分图片和公式都来源于CS229官方notes。           CS229的视频和讲义均为互联网公开资源。   Lecture1 这一节课，吴老师基本就讲解了一下机器学习的基本概念，可以说是做了一点科普，并没有讲什么实质性的内容。所以我也没得什么可以记录

typography排版，活字印刷术 Academic integrity学术诚信 course topics: 1、rasterization： Project geometry primitives几何基元 (3D triangles / polygons多边形) onto the screen； Break projected primitives into fragments (pixe

因为平时考试，我的报告分数特别低，主要是因为我的英文写作能力特别差，为了练习英文写作，部分博客(比较简单的内容)将用英文写作，望大家闲来无聊时，看看我的博客，指正错误。 Abstract The main content is the review of cumulative distribution functions(CDFs), probability mass functions(

重点提炼 自然语言处理的一般处理过程/NLP levels 初始输入数据分为语音和文本两大类，对于语音一般进行语音分析转换成文本(语音识别)，对于文本一般进行词条化处理。而后两者处理过程类似，即依次进行词法分析，句法分析，语义分析，语篇加工等。 深度学习的优势 (1) 工程师手动设计的特征往往只针对一个领域，并且需要花费大量的时间设计和验证特征，也有可能因为数据量巨大，不能得到完整的特征

这是DL的发明人Hinton在多伦多大学的2013年冬季教授de课程，并将视频分享到coursera网站上。其中不但有视频，也有课件，但是Hinton主页上还有他上课的课后问题，Hinton告诉学生这些视频作为课前看看，课中在讨论和上课，其实这种方法很好。可惜估计一辈子也看不到大牛了，只能沾沾他的放到万里的光了，不过Hinton的课程的确每节课包含的信息太多了，还是较为难消化的，不如ng说

https://www.bilibili.com/video/BV1JE411w7Ub?p=1&vd_source=7a1a0bc74158c6993c7355c5490fc600 笔记如下 机器学习的定义：不需要明确编程就能让计算机去学习做某件事情 另一个定义 什么是监督学习？ 给定一组 (x,y) 样本，学习一个 x->y 映射，接着用这个映射去预测新的 x 的 y，这就是监督学习

CV–深度学习–神经网络–卷积神经网络 - 计算机视觉是人工智能中发展最迅速的内容。 - 2016年思科估计80%的网络数据是像素数据，进入到一个信息爆炸的时代，原因：1、互联网载体；2、传感器–手机、摄像头 - 互联网暗物质–数据冗余，像素信息很难理解，就像银河系内的暗物质。 - YouTube服务器接受150h video/60s。人眼很难给这些数据做标记、分类、索引，操作这些数据

机器学习-斯坦福大学-Lecture1-机器学习入门 在网上搜索过很多资料，最终确定以Coursera上斯坦福大学的公开课 机器学习(Andrew Ng)作为入门资料 摘要： 机器学习-斯坦福大学-Lecture1-机器学习入门 1欢迎 应用场景举例为什么机器学习如此受欢迎呢 2机器学习是什么 机器学习的定义练习题学习算法的分类 3监督学习 基本思想两类问题练习题 4无监督学习 是什

来自 https://blog.csdn.net/xiaoqu001/article/details/79350364 斯坦福大学的CS231n课程的主要内容是计算机视觉（computer vision），或者说是图像识别（ visual recognition），算法主要关注CNN（convolutional neural network）或者说泛指的深度学习。计算机视觉是一门很强的交叉学科，