Поиск
Найдено: 16
43 мин🧠 Янник Кильхер: «Любая модель, обученная градиентным спуском — ядерная машина»
1ч 28м📘 Педро Домингос: почему глубокое обучение зашло в тупик локального оптимума
56 мин🏛 Педро Домингос доказал математическое тождество нейросетей и метода опорных векторов
2ч 49м🌌 Цензура, симметрии и тупик ИИ: манифест Педро Домингоса
1ч 08м🧬 Педро Домингос: «Верховный алгоритм еще не найден»
1ч 37м🧠 Алекс Стэнли о возвращении к ядерным методам в эпоху трансформеров
1ч 34м🚫 Педро Домингос о культуре отмены и будущем нейросетей
16 минГид по алгоритмам машинного обучения: от линейной регрессии до нейросетей
1ч 30м🧠 Саймон Корнблит из GoogleAI об архитектуре SimCLR и будущем компьютерного зрения
18 мин🧩 Янник Кильхер о феномене Double Descent: «Современное обучение обходит классические законы переобучения»
1ч 53м🧠 Элегантная математика ИИ: Анил Анантасвами о скрытых механизмах нейросетей
16 мин🧩 Гид по машинному обучению: как выбрать правильный алгоритм для вашей задачи
1ч 45м🧠 Йонас Хюботтер: «Локальное обучение ИИ превосходит огромные модели в 30 раз»
51 мин🧠 Янник Килчер о связи линейных трансформеров и быстрых весов
3ч 08м🧠 Встать глаза в глаза с Богом: будущее ИИ по Джорджу Хотцу
3ч 53м🤖 Математика под капотом ИИ: Как на самом деле учатся нейросети