AI视频小助理 2024-09-14 --本内容由 @kingcharisma 大佬下凡召唤，热心市民@AI视频小助理闪现赶来 一、大模型的分类和应用，以及支持大模型的计算机系统。同时，探讨了做大模型所需的素质和人才培养。 00:01 - 大模型分为三大类：核心基础理论与架构、大模型应用、支持大模型的计算机系统。 01:09 - 大模型应用需要掌握大模型应用于各行各业的技能，如政府或企业对人工智能的重视。 02:38 - 做大模型的核心基础理论与架构需要熟悉基本的机器学习算法和理解过拟合和政治化。 二、机器学习和深度学习的基础知识和应用，重点强调了跨学科的能力和了解模型评估与验证的重要性。 03:01 - 机器学习和深度学习的基础理论和架构非常重要 03:43 - 做大模型需要跨学科的能力，包括计算机科学、医学等多个领域 05:44 - 了解模型评估和验证是做大模型的重要技能，需要掌握机器学习和深度学习算法 三、如何评估模型性能，包括准确性、召回率、AUC等指标，以及模型验证和测试方法，还介绍了云计算与大数据技术的相关知识。 06:02 - 评估模型性能的指标包括准确性、召回率、AAUCORC等 06:02 - 了解云计算和大数据技术，处理大规模数据集 06:21 - 利用云服务进行模型训练和部署 实名羡慕up这溢出屏幕的才华[点赞][点赞][点赞]，YYDS！快来一键三连吧[热词系列_优雅] ♥ 20 ↩ 1
Jumper阿鹏 2024-10-01 是这样不 一.研究大模型本身 研究大模型本身的核心理论与架构 1.机器学习基础（线性回归，决策树，支持向量机，过拟合，正则化，交叉验证） 2.深度学习理论（神经网络的基本结构和工作原理，深度学习的框架，tensorflow，pytorch等的使用，理解卷积神经网络CNN，循环神经网络RNN，Transformer等结构） 二.大模型在各行各业的应用 大模型+X（金融，医疗，气象等）， 三.支持大模型的计算机系统应该长成什么样 模型训练与应用 1.理解transformer框架 2.掌握一些训练和推理的基本方法 3.了解机器学习算法（了解回归法、分类、聚类、决策树、随机森林、神经网络等以及Tensorflow,Pytorch）与深度学习 4.模型评估与验证（了解如何来评估模型的性能，包括了准确性，召回率，AUC-ROC等指标以及模型验证和测试的方法。） 5.了解云计算与大数据的技术（能够处理大规模的数据集，并利用云服务进行模型训练和部署。） ♥ 16
Jercy2019 2026-01-06 感谢郑教授讲解，最早接触郑老师是郑老师在2006，2007年间讲的计算机系统结构同等学力网络课程，也正是这门课让我从非计算机专业启蒙，入门到现在的高级系统工程师，郑老师的课程充满远见，在那个时候就已经有涉及到高并发高并行体系架构的理论，从中让我受益匪浅，到现在AI的环境下，这些技术变得愈来愈重要，时过20多年，我又开始重新温习郑老师的课程，非常感谢郑老师。 ♥ 1
Comments
--本内容由 @kingcharisma 大佬下凡召唤，热心市民@AI视频小助理闪现赶来 一、大模型的分类和应用，以及支持大模型的计算机系统。同时，探讨了做大模型所需的素质和人才培养。 00:01 - 大模型分为三大类：核心基础理论与架构、大模型应用、支持大模型的计算机系统。 01:09 - 大模型应用需要掌握大模型应用于各行各业的技能，如政府或企业对人工智能的重视。 02:38 - 做大模型的核心基础理论与架构需要熟悉基本的机器学习算法和理解过拟合和政治化。 二、机器学习和深度学习的基础知识和应用，重点强调了跨学科的能力和了解模型评估与验证的重要性。 03:01 - 机器学习和深度学习的基础理论和架构非常重要 03:43 - 做大模型需要跨学科的能力，包括计算机科学、医学等多个领域 05:44 - 了解模型评估和验证是做大模型的重要技能，需要掌握机器学习和深度学习算法 三、如何评估模型性能，包括准确性、召回率、AUC等指标，以及模型验证和测试方法，还介绍了云计算与大数据技术的相关知识。 06:02 - 评估模型性能的指标包括准确性、召回率、AAUCORC等 06:02 - 了解云计算和大数据技术，处理大规模数据集 06:21 - 利用云服务进行模型训练和部署 实名羡慕up这溢出屏幕的才华[点赞][点赞][点赞]，YYDS！快来一键三连吧[热词系列_优雅]
♥ 20 ↩ 1
另一方面，大模型不需要学习能力一般、不会卷、盲目跟风的人[OK]
♥ 17 ↩ 1
是这样不 一.研究大模型本身 研究大模型本身的核心理论与架构 1.机器学习基础（线性回归，决策树，支持向量机，过拟合，正则化，交叉验证） 2.深度学习理论（神经网络的基本结构和工作原理，深度学习的框架，tensorflow，pytorch等的使用，理解卷积神经网络CNN，循环神经网络RNN，Transformer等结构） 二.大模型在各行各业的应用 大模型+X（金融，医疗，气象等）， 三.支持大模型的计算机系统应该长成什么样 模型训练与应用 1.理解transformer框架 2.掌握一些训练和推理的基本方法 3.了解机器学习算法（了解回归法、分类、聚类、决策树、随机森林、神经网络等以及Tensorflow,Pytorch）与深度学习 4.模型评估与验证（了解如何来评估模型的性能，包括了准确性，召回率，AUC-ROC等指标以及模型验证和测试的方法。） 5.了解云计算与大数据的技术（能够处理大规模的数据集，并利用云服务进行模型训练和部署。）
♥ 16
我在想以后程序员会不会只招院士了，而且只要年轻的，20岁以内的院士[doge]
♥ 15 ↩ 1
为啥不直接用AI来做大AI呢
♥ 13 ↩ 13
一个技术人员需要配7个行政人员，。
♥ 12 ↩ 3
需要不搞办公室zz的人
♥ 8 ↩ 1
郑院士，老了啊
♥ 7
郑院士太厉害，讲的太好了，获益匪浅，感谢大师指点[鼓掌][鼓掌]
♥ 2
感谢郑教授讲解，最早接触郑老师是郑老师在2006，2007年间讲的计算机系统结构同等学力网络课程，也正是这门课让我从非计算机专业启蒙，入门到现在的高级系统工程师，郑老师的课程充满远见，在那个时候就已经有涉及到高并发高并行体系架构的理论，从中让我受益匪浅，到现在AI的环境下，这些技术变得愈来愈重要，时过20多年，我又开始重新温习郑老师的课程，非常感谢郑老师。
♥ 1
经验模型始终无法产生智能涌现，最终也是人类语料数据的语义价值。人类智能远远不是现有大模型能碰瓷的。感觉是路径错了
♥ 1 ↩ 4
老是说程序员 35 岁就被淘汰呢，你看郑老师这么大年纪了还在做技术
郑院士能不能推荐一些快速掌握您所说能力的经典教材啊
↩ 1
六字总结：设计，优化，落地 [呲牙]
30年前看过您的书
失敬失敬，前辈！
[保卫萝卜_哇]老师讲得太好了！
@AI视频小助理 ，小笨总结过啦，请看这里的评论
@AI视频小助理 总结一下