https://www.youtube.com/watch?v=9vM4p9NN0Ts 本讲座简要概述了构建类似 ChatGPT 的模型,涵盖预训练(语言建模)和后训练(SFT/RLHF)。对于每个组件,它探索了数据收集、算法和评估方法方面的常见做法。本次客座讲座由 Yann Dubois 在 2024 年夏季的斯坦福大学 CS229:机器学习课程中发表。
而Tom Mitchell是《Machine Learning》一书的作者,他给出了更加形式化的定义:“对于某一类任务T和性能度量P,如果一个计算机程序在经验E的影响下自我完善,并在任务T上以性能度量P获得进步,则我们称该程序在经验E中进行了学习”。 第二部分对监督学习、无监督学习、学习理论、加强学习进行了简单的叙述。 所谓监督学...
算法: parametric learning algorithms,参数 学习 算法 =》参数 个数(Θ's) 固定, eg,线性回归 2. non-parametric learning algorithms,非参数 学习 算法 =》参数的个数跟随训练集的大小M线性增长:缓解 选取特征的 苛刻条件 =》随着 训练集合大小的增长, 训练所需的feature会伴随着 线性增长:基于整个训练集合 eg...
GitHub地址 https://github.com/afshinea/stanford-cs-229-machine-learning/tree/master/en 译者:Wang Hongnian, Xiaohu Zhu, Chaoying Xue
Lecture 1 - Welcome Stanford CS229 Machine Learning (Autumn 2018) 1:15:20 Lecture 2 - Linear Regression and Gradient Descent Stanford CS229 Machine Learn 1:18:17 CS229_on_9_28_2018_(Fri)_default_14acac58 1:32:11 Lecture 3 - Locally Weighted Logistic Regression Stanford CS229 Machine Lea...
目前该项目已收获 6000+ stars 了。项目地址: https://github.com/afshinea/stanford-cs-229-machine-learning 值得一提的是,该项目中所有的速查表都配备了英文版、中文版等 5 中语言版本。可以说作者真的是很用心了。 本文开始所列举的机器学习速查表均来自该 GitHub 项目。
学习笔记:CS229 - Machine Learning-7 Wangzi Lecture8:本篇讲述了 SVM(Support Vector Machine,支持向量机)的剩余部分。即核技法(Kernels)、软间隔分类器(soft margin classifier)、对… 阅读全文 CS229 学习笔记第十四章:隐马尔可夫模型基础 口仆
https://github.com/afshinea/stanford-cs-229-machine-learning 值得一提的是,该项目中所有的速查表都配备了英文版、中文版等 5 中语言版本。可以说作者真的是很用心了。 本文开始所列举的机器学习速查表均来自该 GitHub 项目。 最近发现了一个非常适合小白人工智能入门的教程,分享给大家。点下面链接可以跳转到...
machine learning in practice 我总认为计算机科学动手实践非常重要,纸上谈兵不接地气。coursera有programing exercise,必须完毕下。octave用起来挺爽的。 这里记录一下关键点。 1.coursera的cost function多除了一个m 事实上起到一个归一化的作用,让迭代步长α与训练样本数无关(你能够当作α=α'/m) ...
CS229 Machine Learning学习笔记:Note 1(最小二乘法、局部加权线性回归、极大似然估计、牛顿法) 线性回归的Normal Equations令全体训练样本构成的矩阵为X=⎛⎜⎜⎝(x(1))T⋮(x(m))T⎞⎟⎟⎠X=((x(1))T⋮(x(m))T)对应的真实值...