Поиск
Найдено: 22
1ч 18м🧭 Эрик Демейн о графах: Как математика помогает правильно одеваться?
1ч 18м🧩 Захари Абель о комбинаторике: «Мы считаем с помощью соответствий»
1ч 19м📉 Как Александр Мадри объясняет математику обратного распространения ошибки и концепцию Software 2.0
1ч 17м🔄 Лекция Стэнфорда CS221: основы байесовских сетей и вероятностное программирование
1ч 17м🌐 Лекция Stanford CS149: устройство распределенных систем, MapReduce и архитектура Spark
1ч 52м🧠 Роберт Несс о каузальном ИИ и будущем языковых моделей
52 мин🏗 Али Роделл из Capital One: „Машинное обучение сегодня — это незрелый софт и ленивый инжиниринг“
1ч 20м🧠 Обучение байесовских сетей: от простого подсчета до магического алгоритма EM
2ч 15м🧩 ARC Challenge: как ИИ учится рассуждать по-человечески
1ч 01м📊 Роберт Несс: «LLM зазубривают бенчмарки, а не мыслят причинно-следственно»
46 мин🛠 Диша Сингла: «ML-модель — это прежде всего программный продукт»
52 мин🧠 Райли Гудсайд о промпт-инжиниринге: «Модели не думают, они фристайлят»
1ч 13м🕒 Сэра Бири из MIT об эволюции архитектур памяти нейросетей
2ч 13м🔍 Анатомия нейросетей: как механистическая интерпретируемость вскрывает черный ящик
1ч 06м🎲 Интерактивные доказательства: от протокола Sum-Check до верификации сложных вычислений
1ч 20м📐 Лекция CS236 в Стэнфорде: переход от байесовских сетей к глубоким генеративным моделям
1ч 13м🎓 Математика глубокого обучения: как устроен алгоритм обратного распространения ошибки
1ч 24м📚 За что Дональд Кнут обожает алгоритм Тарьяна и критикует Дейкстру?
1ч 24м❤ Дональд Кнут: «Алгоритм Тарьяна — это моя самая большая любовь в программировании»
2ч 25м🛠 Micrograd: как 150 строк кода объясняют работу современных нейросетей
57 мин🛫 Уильям Линь решил сложнейшую задачу интервью Google за 45 минут
3ч 01м🏗 MLOps: от разработки моделей до автоматизированного деплоя