机器学习好啊，机器学习得学啊

#机器学习

相关新闻

Cell 细胞

4周前

AI 学的是平庸，人的价值是异常机器学习本质是在拟合回归线，它教会机器做「平均值」。人的价值恰恰是跳到线外面，做一个异常值。所以，别被 AI 拟合成「可预测的人」。

RamenPanda

1个月前

CPU TPU GPU: CPU 像一个特别聪明全能的工人——什么都会，但干重复活很慢 GPU 像几千个通才工人一起干活 TPU 像一条专为单一任务定制的自动化流水线，机器排列好之后几乎没有来回搬运 TPU 只接受数据、不接受指令，不用在几百种运算指令里做选择，也几乎不需要数据缓存，数据像流水线一样按既定路径流过，从而省电、省面积、利用率拉满 TPU 在机器学习任务上能做到极高的每瓦性能

Frank Wang 玉伯

1个月前

在用 AI 的人群里前端远远多于后端在懂 AI 的人群里前端远远少于机器学习专业的有意思的是把手机用好并不需要理解手机芯片是什么更不需要懂得电磁场理论在 AI 时代前端的最大机会就是足够靠前会学习和使用 AI

素人极客-Amateur Geek

1个月前

我们来聊聊AI味儿：第一种：先反差描述，然后急于解释。因为模型的三观没有清洗好，所以大模型一直在扭转这种反常识，模型默认为是被迫要这样说。然后就会接着说：老实说、本质上、其实等等词来进行转折。最后再补一个模型能够想到的案例，试图验证。这个逻辑是非常缜密的。一定要符合：有效性与真理性。把形式逻辑做到结果上，这些形式逻辑有很多种，还包括自问自答、定义阐述、案例说明。第二种：表层示例

GitHubDaily

1个月前

网上找到的机器学习教程，大部分以理论为主公式太多难以理解，而实战教程又只讲调用第三方框架不讲原理，很难真正掌握算法的本质。恰巧，在 GitHub 上看到一本开源免费的电子书《Applied Machine Learning in Python》，提供了系统完整的学习机器学习路径，将数学推导与 Python 实现深度结合。从基础的线性回归到复杂的神经网络，每个算法都有完整的数学推导和手工代码

关联事件

AI高考数学测试：O3意外落后，Gemini夺冠引发热议

在近期的AI高考数学测试中，O3虽然未降智，但却屈居第四，未能进入前三名，引发了广泛的质疑与讨论。此次测试不仅使用了O3，还引入了其他模型的API进行统一评估，并加入了人气模型Gemini 2.5 Pro。结果显示，国内多款模型在推理能力上有显著提升，基本都能考上130分以上，其中Gemini在客观题测试中表现最佳。随着AI数学能力的提升，未来的测试结果可能会趋于满分，导致各模型之间的区分度降低。这一现象引发了对AI发展趋势的深入探讨，尤其是在教育领域的应用前景。