首頁內容方案關於
Top 5
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。
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
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
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
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
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
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
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「
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。
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。
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。
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
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
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
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
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
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
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「
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。
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。
Hi， 大家好。我是茶桁。
在之前的课程中，我们接触了AI进行文字回复，语音合成。
那么将这两个组合在一起，我们基本就可以制作一个智能的语音聊天机器人了。看过电影《Her》的同学都应该清楚，AI因为用了女神斯嘉丽.约翰逊的配音，吸引到了不少的观众。
不过， 我们怎么能就满足于此呢，从文字到音频
大家好，我是Hivan。
好久不见了，今天我们来讨论下如何让机器拥有声音。
回顾一下我们上一讲的内容，我们已经成功使用Whisper模型使得AI能够理解我们说的话。这为我们带来了很多应用，例如让AI代替我们收听播客并总结内容。然而，这只是单向的交流模式。现在，让我们探索更深入的可能性，让AI
Hi，大家好，我是茶桁。
其实到第18章的时候，我们处理文本的内容就全部都结束了，从本节课开始，我们要开始学习如何处理音频和图像。
我不知道有没有人和我一样的习性，就是比起视频和音频文件来说，还是跟喜欢看文本文件。这其中最主要的一个原因就是因为文本内容我们可以准确定位，而对于文本内容的接收速度还
大家好，我是茶桁。
最近事情太多，这一节课更新的有些晚了。
首先我们先了解一下我们本节课讲要讲一些什么，我们之前介绍过 llama-index 和 LangChain，学习了将大语言模型和自己的知识库组合来解决问题的方法。这个方法中，我们不需要调整我们使用的模型，而是使用嵌入向量索引我们的数据，
Hi，大家好。我是茶桁。
在第 11 讲中，我向您介绍了如何将各种资料内容向量化，借助Llama-index建立索引，对我们自己的文本资料进行问答。在过去的3讲中，我们深入了解了如何使用Langchain。该工具可帮助我们整合AI对语言的理解和组织能力、外部各种资料或者SaaS的API，以及您自己
你好，我是茶桁。
在之前的两讲中，我们深入了解了 Langchain 的 LLMChain 核心功能，它可以帮助我们链式地调用一系列命令，包括直接调用 OpenAI 的 API、调用其他外部接口或自己实现的 Python 代码。但这只是完成一个小任务所需的调用序列。除了这些，LangChain
大家好，我是茶桁.
在上一节课中，我们学习了如何使用LangChain这个Python包链式调用OpenAI的API。通过链式调用，我们可以将需要多轮询问AI才能解决的问题封装起来，将需要多轮自然语言调用才能解决的问题变成一个函数调用。
然而，LangChain对我们的帮助远不止于此。最近，Ch
Hi, 大家好，我是茶桁。
OpenAI 的大语言模型提供了 Completion 和 Embedding 两个核心接口。
我们可以通过增加提示语（Prompt）历史记录来提高模型的回答准确性和自然性。还可以将 Embedding提前索引好存起来，以此做到让AI根据外部知识来回答问题，
在我们
Hi，大家好，我是茶桁。
很遗憾在上一讲，也就是第12讲的时候，咱们对于利用AI写一个VBA宏来执行Excel任务的过程并不顺利，仔细想来既然大家都在这里看这个系列文章了，应该也基本都会Python的，所以一个Excel自动化也并无太大影响，毕竟，这种商业软件的集成一定是早晚的事情，咱们也不必在这
开头我就要跟各位先说对不起，本来我是很想为大家把这部分实现并完成的。但是很抱歉，因为我用的Mac，而这部分代码实现起来的时候一直会如下报错：
当然，其实是可以迂回实现的，就是使用Mac本来的AppleScript，不过实现效果并不好，所以想想也就算了。毕竟我考虑，可能看我这些系列文章的人都多多少少
Hi， 大家好。我是茶桁。
在之前的课程中，我们接触了AI进行文字回复，语音合成。
那么将这两个组合在一起，我们基本就可以制作一个智能的语音聊天机器人了。看过电影《Her》的同学都应该清楚，AI因为用了女神斯嘉丽.约翰逊的配音，吸引到了不少的观众。
不过， 我们怎么能就满足于此呢，从文字到音频
大家好，我是Hivan。
好久不见了，今天我们来讨论下如何让机器拥有声音。
回顾一下我们上一讲的内容，我们已经成功使用Whisper模型使得AI能够理解我们说的话。这为我们带来了很多应用，例如让AI代替我们收听播客并总结内容。然而，这只是单向的交流模式。现在，让我们探索更深入的可能性，让AI
Hi，大家好，我是茶桁。
其实到第18章的时候，我们处理文本的内容就全部都结束了，从本节课开始，我们要开始学习如何处理音频和图像。
我不知道有没有人和我一样的习性，就是比起视频和音频文件来说，还是跟喜欢看文本文件。这其中最主要的一个原因就是因为文本内容我们可以准确定位，而对于文本内容的接收速度还
大家好，我是茶桁。
最近事情太多，这一节课更新的有些晚了。
首先我们先了解一下我们本节课讲要讲一些什么，我们之前介绍过 llama-index 和 LangChain，学习了将大语言模型和自己的知识库组合来解决问题的方法。这个方法中，我们不需要调整我们使用的模型，而是使用嵌入向量索引我们的数据，
Hi，大家好。我是茶桁。
在第 11 讲中，我向您介绍了如何将各种资料内容向量化，借助Llama-index建立索引，对我们自己的文本资料进行问答。在过去的3讲中，我们深入了解了如何使用Langchain。该工具可帮助我们整合AI对语言的理解和组织能力、外部各种资料或者SaaS的API，以及您自己
你好，我是茶桁。
在之前的两讲中，我们深入了解了 Langchain 的 LLMChain 核心功能，它可以帮助我们链式地调用一系列命令，包括直接调用 OpenAI 的 API、调用其他外部接口或自己实现的 Python 代码。但这只是完成一个小任务所需的调用序列。除了这些，LangChain
大家好，我是茶桁.
在上一节课中，我们学习了如何使用LangChain这个Python包链式调用OpenAI的API。通过链式调用，我们可以将需要多轮询问AI才能解决的问题封装起来，将需要多轮自然语言调用才能解决的问题变成一个函数调用。
然而，LangChain对我们的帮助远不止于此。最近，Ch
Hi, 大家好，我是茶桁。
OpenAI 的大语言模型提供了 Completion 和 Embedding 两个核心接口。
我们可以通过增加提示语（Prompt）历史记录来提高模型的回答准确性和自然性。还可以将 Embedding提前索引好存起来，以此做到让AI根据外部知识来回答问题，
在我们
Hi，大家好，我是茶桁。
很遗憾在上一讲，也就是第12讲的时候，咱们对于利用AI写一个VBA宏来执行Excel任务的过程并不顺利，仔细想来既然大家都在这里看这个系列文章了，应该也基本都会Python的，所以一个Excel自动化也并无太大影响，毕竟，这种商业软件的集成一定是早晚的事情，咱们也不必在这
开头我就要跟各位先说对不起，本来我是很想为大家把这部分实现并完成的。但是很抱歉，因为我用的Mac，而这部分代码实现起来的时候一直会如下报错：
当然，其实是可以迂回实现的，就是使用Mac本来的AppleScript，不过实现效果并不好，所以想想也就算了。毕竟我考虑，可能看我这些系列文章的人都多多少少
在完成一些简单的任务之后，我觉得ChatGPT可以帮我完成一些更为复杂，甚至于可能我并不是特别擅长的任务，而我想到了，也许，可以帮我写一个简单的游戏。
贪多嚼不烂的道理我还是明白的，于是，我给自己提前就设定了一个目标：
游戏可以运行实现简单的规则减少BUG的存在可以开始和结束
带着这四个最朴素
在完成一些简单的任务之后，我觉得ChatGPT可以帮我完成一些更为复杂，甚至于可能我并不是特别擅长的任务，而我想到了，也许，可以帮我写一个简单的游戏。
贪多嚼不烂的道理我还是明白的，于是，我给自己提前就设定了一个目标：
游戏可以运行实现简单的规则减少BUG的存在可以开始和结束
带着这四个最朴素
