Поиск
Найдено: 50
3ч 10м🎩 Математика против рынка: секреты 66% годовых фонда Medallion
2ч 31м🧠 Биология одиночества: как мозг вычисляет наш социальный ранг
1ч 17м🔄 Лекция Стэнфорда CS221: основы байесовских сетей и вероятностное программирование
50 мин🧠 Исследование Стэнфорда: как предвзятость подтверждения влияет на решения с ИИ
30 мин🎲 Как уравнение Блэка-Шоулза создало рынок на сотни триллионов долларов?
1ч 03м📈 Алан Данн и Марк о фискальном доминировании и смене ИИ-нарратива в 2026 году
1ч 17м🧠 Стэнфордский профессор объяснил, как сэмплирование Томпсона спасает рекомендательные системы от задержек данных
1ч 57м🤖 Минки Цзян: «Следующий фронтир ИИ — это системы, которые сами задают вопросы»
2ч 45м🧠 Байесовская механика: как ИИ учится выживать и «мыслить»
1ч 51м🧠 Теория всего от нейробиологии: как Карл Фристон связывает физику, разум и машинное обучение
1ч 10м🤖 Курс CS224R в Стэнфорде: разбор многозадачного RL и алгоритма Hindsight Relabeling
1ч 20м📊 Профессор Эллисон: «Медленные алгоритмы заставляют Amazon повышать цены»
4ч 14м🔬 Вселенная как интерфейс: почему материя — лишь иллюзия сознания
1ч 21м🎯 Стэндфордский курс: как устроены авторегрессионные модели и ChatGPT
2ч 31м🚀 Иллюзия разума: почему ИИ останется лишь предсказателем слов
1ч 09м🧠 Обучение с подкреплением: главные вызовы и прорывы стэнфордского курса CS234
1ч 08м🔄 Градиент стратегии и алгоритм REINFORCE: от робототехники до ChatGPT
1ч 10м🎮 Профессор Эмма Бранскилл об эволюции алгоритмов исследования в обучении с подкреплением
1ч 20м🧠 Стэнфордский курс CS234: принципы офлайн-RL и преодоление неопределенности
1ч 18м📉 Стэнфорд CS224N: Эволюция языковых моделей от N-грамм до RNN
1ч 13м🔄 Подход Model-Based RL: как Стэнфорд обучает сложных роботов за четыре часа
1ч 20м📊 Stanford CS234 Reinforcement Learning I Policy Evaluation I 2024 I Lecture 3
1ч 09м🧠 Как Meta-RL позволяет агентам адаптироваться к новым задачам „на лету“
1ч 01м📊 Джейн Хиллстон: «Мы строим нейросети, забывая об ограниченности ресурсов»
57 мин📈 Ричард Бреннан: «ИИ захватит краткосрочный трейдинг, но среднесрочные тренды останутся за людьми»
2ч 10м🌌 Почему реальность — это дорогая вычислительная иллюзия
1ч 22м🤖 Как глубокое обучение с подкреплением меняет робототехнику и теорию управления
1ч 12м🔄 Лекция CS231N: Математический анализ авторегрессионных моделей и VAE
2ч 45м🧠 От живых клеток к ИИ: как байесовская механика объясняет разум
1ч 21м🔄 Как нейросети учатся создавать данные: базовые архитектуры в MIT
1ч 20м📐 Лекция CS236 в Стэнфорде: переход от байесовских сетей к глубоким генеративным моделям
1ч 14м⚡ Томас Диттерих на подкасте TWIML AI: границы и будущее больших языковых моделей
1ч🧠 Роберт Несс: «Без понимания причинности глубокое обучение зайдет в тупик»
1ч 25м🧬 Том Захави: «Обучение с подкреплением — самый общий фреймворк для AGI»
1ч 28м👽 Крис Саммерфилд: «ИИ страдает от эффекта швейцарского сыра»
1ч 15м🍳 Надия Фигероа представила метод управления роботами через динамические системы
1ч 42м🧠 Карл Фристон: «Сознание — это вывод о нашем будущем»
4ч 08м🚀 Гениальные идиоты: почему GPT никогда не станет сверхразумом
45 мин🌍 Семинар в Стэнфорде: безопасное и эффективное обучение ИИ в физическом мире
1ч🌐 Дискретная диффузия против трансформеров: кто победит в генерации текста?
56 мин🏛 Педро Домингос доказал математическое тождество нейросетей и метода опорных векторов
1ч 23м🧠 Алекс Орбиа рассказал о переходе от Backpropagation к смертным вычислениям
1ч👓 Почему большие языковые модели теряют информацию в длинных текстах
52 мин🧠 Профессор Челси Финн об основах глубокого обучения с подкреплением в Стэнфорде
1ч 35м🏛 Коннор Танн: как байесовский подход меняет современное машинное обучение
1ч 24м🌐 Стэнфордский университет: как устроены энергетические генеративные модели
1ч 11м🧩 Стефан Дасколи: «Символьная регрессия откроет роботам законы физики»
1ч 28м📘 Педро Домингос: почему глубокое обучение зашло в тупик локального оптимума
1ч 35м🧮 Дональд Хоффман: «Пространство-время — это лишь гарнитура виртуальной реальности»
1ч 15м🤖 Как алгоритмы Стэнфорда находят скрытые уязвимости в критических системах