2022清华大学大模型交叉研讨课 L2 Neural Network basics 1 Recurrent Neural Networks 循环神经网络RNNs 1.1 RNN基础 序列数据 顺序记忆（大脑更易识别） 输入通常是不定长的数据，h为不同时间步的变量，y为输出 RNN结构单元 顺序记忆：每一个时间步的hi都是由上一个隐藏状态的内容，h0需要自己初始化的。 应用： 序列标签

2022清华大学大模型交叉研讨课 L2 Neural Network basics 1 神经网络的基本组成 1.1 神经元 单个的神经元： 将权重向量（矩阵）和输入向量点乘，得到一个标量值，加上偏置b（标量）后送入非线性的激活函数f，得到输出。 1.2神经网络 多个神经元构成单层神经网络： 多个神经元时，权重由向量变成了矩阵(3*3)，偏置b由标量变成了向量(b1,b2,b3)。堆

Causality 1.1 因果(Causality)1.1.1 Motivation1.1.1.1 例子1.1.1.2 例子 1.1.2 Rubin Model1.1.2.1 Estimator1.1.2.2 Assignment MachanismRubin‘s “Perfect Doctor” 1.1.3 Non-Causal Relationships1.1.4 Conclusio

看到大V @Yuhang Liu 发了这个微分几何的暑校信息文章: https://zhuanlan.zhihu.com/p/159224202 , 也想列一下最近一些国内和国外的概率或者统计的暑校, 推荐一波. (讲道理, Teichmüller空间简介这个短课还是有听的价值的, 最近一些概率的研究也跟这个有关系) 国内: (主要还是BICMR和清华联合举办几个讨论班) 1.(Onl

2018年的暑假马上就要到了，一群身在北美的小伙伴还在为自己的学习成绩，学分而发愁。 不少小伙伴这时候会选择利用这个假期，选择一所暑校来提升自己的学分。以达到可以顺利毕业的目的。 面对国内暑校众多，应该如何选择，搜罗了一下网络的相关暑校，还是推荐ONPS国际暑期学校给大家。 原因如下： 市面上的暑校宣传点大多类似，基本没有什么差别。这个时候需要观察的是什么呢？就是各家的服务质量。

去上暑课了，在ONPS国际暑期学校，推荐码 STMOBA ，有需要的拿去用，可以优惠50美金哦！

基于协同滤波的推荐技术可以细分为基于用户的协同过滤方法、基于产品的协同过滤方法、基于模型的协同过滤方法；本博文进行了一一测试。 1. 数据准备、评价指标 由于协同滤波模型需要用到用户的行为，这里选用MovieLen数据集进行测试研究。 MovieLen是明尼苏达大学计算机科学系GroupLens研究中心开发和维护的，也是最常用于测试协同滤波算法性能的公开数据集之一。Movielens提供了大

1. 推荐系统 推荐系统相当于信息的“过滤器”，它旨在解决信息过载的问题，帮助人们更好地作出决策。它的主要原理是根据用户过去的行为（比如购买、评分、点击等）来建立用户兴趣模型，之后利用一定的推荐算法，把用户最可能感兴趣的内容推荐给用户，如下图： 召回（recall） 从海量（数千万）item中粗选出几百或者上千的候选集的过程，可以理解为向用户粗选一批待推荐的商品。 排序（sort）