茶桁的沙龍
茶桁的沙龍首頁
茶桁的AI秘籍
从零开始接触人工智能大模型
茶桁的AI杂谈
方案
關於
茶桁的AI秘籍
37
公開內容
1
私密內容
从基础开始,再到Python,然后是CV、BI、NLP等相关技术。从头到尾详细的教授一边人工智能。
全部
核心能力 - 基础
数学篇
Python 篇
全部內容
免費與付費
最新發佈優先
茶桁
2023/10/08
07. 机器学习入门3 - 了解K-means
Hi,你好。我是茶桁。 我们在机器学习入门已经学习了两节课,分别接触了动态规划,机器学习的背景,特征向量以及梯度下降。 本节课,我们在深入的学习一点其他的知识,我们来看看K-means. 当然,在本节课我们也只是浅尝即止,关于这些内容,后面我们还有更详细的内容等着我们去深入学习。
#
人工智能
#
AI
#
核心基础
7
留言
茶桁
2023/10/07
06. 机器学习入门2 - 理解特征和向量
Hi, 你好。我是茶桁。 上一节课,咱们用一个案例引入了机器学习的话题,并跟大家讲了一下「动态规划」。 那这节课,我们要真正进入机器学习。 机器学习初探 在正式开始之前,我们来想这样一个问题:我为什么要先讲解「动态规划」,然后再引入机器学习呢? 原因其实是这样:曾经有一度时间,差不多一
#
人工智能
#
AI
#
核心基础
4
留言
茶桁
2023/10/02
05. 机器学习入门 - 动态规划
从一个案例开始 动态规划 Hi, 你好。我是茶桁。 咱们之前的课程就给大家讲了什么是人工智能,也说了每个人的定义都不太一样。关于人工智能的不同观点和方法,其实是一个很复杂的领域,我们无法用一个或者两个概念确定什么是人工智能,无法具体化。 我也是要给大家讲两个重要的概念,要成为一个良好
#
人工智能
#
核心基础
#
动态规划
6
留言
茶桁
2023/09/29
04. 人工智能核心基础 - 导论(3)
Hi,你好。我是茶桁。 基于上一节课咱们的整体强度有点大,而且咱们马上也要进入高强度内容了,那么这一篇咱们就稍微水一篇吧。来聊聊天,讲讲学习人工智能的一些事项。 人工智能和其他学科的关系 经常有同学会问我:人工智能和其他学科有什么关系?有什么区别? 有人说人工智能就是博弈论、梯度下降,人
#
人工智能
#
AI
#
核心基础
1
留言
茶桁
2023/09/28
03. 人工智能核心基础 - 导论(2)
Hi,你好。我是茶桁。 上一章中,我们谈论了人工智能在时间维度上的不同时间不同的侧重点,这只是一个片面的方面。当然除此之外,我们还要从其他方向来认识人工智能,才能更加的全面。 那下面,我们就分别从方法论,问题范式和研究对象来分别认识一下人工智能,看看有没有什么不一样的心得。 从方法论上来讲
#
人工智能
#
AI
#
核心基础
2
留言
茶桁
2023/09/27
02. 人工智能核心基础 - 导论(1)
Hi,你好。我是茶桁。 非常开心能够和再次见面,能够和大家一起来学习人工智能的这个课程部分。接下来我会给大家一个既内容充实又包含了一点点难度的这样的一个课程。 我希望上完我的课程之后,能够有所收获。能够收获到自己看本课程时期望的目标。 我们首先要有一个信任,你相信我基本上常见的我都是遇到过
#
人工智能
#
AlphaGo
#
模型
1
留言
茶桁
2023/09/25
人工智能核心基础 - 规划和概要
Hi,你好。又见面咯,我是茶桁。 在之前,我花了两个来月的时间撰写了「Python篇」和「数学篇」,希望小伙伴们在正式进入AI之前能够打好一个基础。那么今天开始,我们将正式开始AI基础的学习。 在本篇开始之前,我需要跟“方格子”的读者说一声抱歉,由于方格子对数学公式支持不太友好的缘故,所以整
#
人工智能
#
核心
#
AI
4
留言
付費限定
茶桁
2023/08/24
1. 数学导论 - 概述
因为部分自媒体上无法显示公式,为了方便,有的地方我是直接整段截图。和文章字体不一致的部分还望见谅。 Hi, 大家好。又见面了,我是茶桁。 这次我依然给大家带来的是基础部分,让我们进入《Math - 数学篇》。 数学对于计算机编程来说重要性是毋庸置疑的,更何况我们现在不仅仅是编程,而是走在「
#
人工智能
#
数学
#
Math
1
留言
茶桁
2023/08/24
茶桁的AI秘籍 - 人工智能数学基础篇 导言
数学对于计算机编程来说重要性是毋庸置疑的,更何况我们现在不仅仅是编程,而是走在「人工智能」的路上。可以说,数学应该是最重要的基础。 我们在学习AI的过程当中可能会遇到的一些关于数学方面的一些东西,比如说线性代数里面的矩阵运算,比如说求导,还有一些概率统计,图论方面的一些东西。
#
人工智能
#
数学
#
Math
1
留言
茶桁
2023/08/22
27. Pandas
虽然是最后一节课了,但是本节课的任务却是一点也不轻松。相比较而言,如果你以后从事的是数据治理和分析工作,那么本节课的内容可能会是你在今后工作中用到的最多的内容。我们需要学习行列索引的操作,数据的处理,数据的合并,多层索引,时间序列,数据的分组聚合(重点)。最后,我们会有一个案例的展示。
#
Python
#
pandas
3
留言