Поиск
Найдено: 50
3ч 30м🚀 Архитектура современных Java-приложений: полный цикл разработки на Spring
3ч 47м🍎 Исповедь «отца» кардинга: как эмпатия помогает грабить мир
13 мин🪄 От Disney до Одиара: Селена Гомес разобрала свои знаковые роли в кино
13 мин🪄 От Disney до «Эмилии Перес»: Селена Гомес откровенно о своей кинокарьере
1ч 08м🧠 Слепой в горах математики: как обучаются современные нейросети
1ч 33м🕰 Роман Кошинко: «В 30 лет мне говорили, что в IT не тот склад ума»
1ч 07м🧠 Энди Констан: почему инвесторам сегодня нужно ставить на хвосты распределения
38 мин🔄 Джонатан Левин: «Университеты — это не организации социальной справедливости»
1ч 10м🎯 Профессор Стэнфорда разобрал ключевые вызовы и методологию исследований Deep RL
1ч 07м⚖ Методы Offline RL: от имитации к оптимизации стратегий
1ч 12мDREAM: как научить ИИ исследовать и обучаться эффективнее
1ч 05м🤖 Стэнфордский курс CS224R: концепции и алгоритмы автономного обучения роботов
1ч 10м🤖 Курс CS224R в Стэнфорде: разбор многозадачного RL и алгоритма Hindsight Relabeling
1ч 13м🔄 Подход Model-Based RL: как Стэнфорд обучает сложных роботов за четыре часа
1ч 09м🧠 Как Meta-RL позволяет агентам адаптироваться к новым задачам „на лету“
1ч 09м🏗 Stanford CS224R: Как иерархический ИИ решает задачи с длинным горизонтом
35 мин🚀 Disciplined Convex Programming: как автоматизировать инженерную оптимизацию
50 минАникайт из Стэнфорда: «Почему ваше Q-обучение нестабильно?»
1ч 05м🔄 Лекция Стэнфорда о Reward Learning: как научить искусственный интеллект понимать человеческие цели
1ч 10м🧱 Stanford CS224R Deep Reinforcement Learning | Spring 2025 | Lecture 10: RL for LLM Reasoning
1ч 02м🚀 Преподаватель Стэнфорда о методах обучения языковых моделей: от RLHF к DPO
1ч 12м🧠 Чаофэй Фань: «Как нейроинтерфейсы возвращают голос пациентам»
1ч 11м🎓 Stanford CS224N: Анализ CNN и TreeRNN в обработке естественного языка
41 мин⚖ Инженерная оптимизация: как математика помогает выбирать между безопасностью и скоростью
1ч 16м🎓 Курс CS224N: как связать современные нейросети и философию Витгенштейна
31 мин📉 Чарли Мангер: «Инвесторы в будущем столкнутся с меньшими возможностями»
1ч 09м⚖ Stanford CS224R: PPO и SAC как стандарты обучения с подкреплением
1ч 01м🔄 Эволюция Q-Learning: от уравнений Беллмана до алгоритмов DQN и Double DQN
1ч 08м🎙 Как ИИ видит движение: лекция Руохана Гао по Video Understanding на CS231n
1ч 12м🔄 Лекция CS231N: Математический анализ авторегрессионных моделей и VAE
1ч 18м🎯 Юньчжу Ли на CS231N: от моделей мира к большим моделям поведения
1ч 20м📉 Кризис оценки ИИ: почему современные бенчмарки лгут?
1ч 07м🤖 Имитационное обучение: почему простого копирования действий недостаточно
1ч 19м🧠 «Данные не падают с неба»: Как на самом деле учат AI
1ч 17м📊 От RNN к LSTM: как ИИ научился не забывать прошлое
1ч 02м💾 Шихар Мурти об обучении LLM: от FP16 до LoRA
1ч 24м🛠 Ян Дюбуа рассказал о скрытых ловушках тестирования LLM
1ч 18м🏗 Стэнфорд запустил курс CS336 по созданию LLM: от байтовых токенов до GPU-ядер
1ч 18м🧠 Стенфорд запускает CS336: как собрать языковую модель с нуля в эпоху ИИ-гигантов
1ч 06м🔄 Стэнфордский курс CS231N: эволюция механизма внимания и архитектуры трансформеров
1ч 13м🤖 Stanford CS231N: как современные нейросети видят, сегментируют и понимают изображения
1ч 13м🚀 Компьютерное зрение: от сегментации до детектирования объектов
1ч 26мСтэнфорд о создании LLM: «Архитектура и гиперпараметры»
1ч 26м🏗 Как обучают современные модели: архитектурный консенсус
1ч 06мСтэнфордский курс CS231N: Линейные классификаторы и основы глубокого обучения
1ч 06м🖼 Stanford: «Линейные классификаторы — это фундамент всего глубокого обучения»
1ч 18м🧠 Scaling laws в 2025 году: Уроки DeepSeek, MiniCPM и Cerebras
1ч 03м🔄 Stanford Online: «Методы Actor-Critic — база для обучения LLM и роботов»
1ч 03м🔄 Эволюция алгоритмов Actor-Critic: как Стэнфорд обучает нейросети на ошибках
1ч 19м🧠 «Магия» Word2Vec: Преподаватель Стэнфорда о том, как обучаются языковые модели