去年，“AI教母”李飞飞在一次公开演讲中说道：“从我在斯坦福大学任教以来，我一直对大学的招生办公室感到好奇。终于有一天，他们想找我聊一聊ChatGPT对招生的影响。哈佛大学的录取程序从“学术”、“课外”、“体育”、“个人”和“整体”五个方面对申请者进行评分，按照1~6分对学生进行排名，1分为最好。
人工智能斯坦福哈佛ChatGPT
一读EDU 2024-07-29
来源：3D视觉工坊添加小助理：dddvision，备注：方向+学校/公司+昵称，拉你入群。文末附行业细分群扫描下方二维码，加入3D视觉知识星球，星球内凝聚了众多3D视觉实战问题，以及各个模块的学习资料：近20门视频课程（星球成员免费学习）、最新顶会论文、计算机视觉书籍、优质3D视觉算法源码等。想要入门3D视觉、做项目、搞科研，欢迎扫码加入！0. 这篇文章干了啥？2020年，OpenAI的扩展定律论文（Kaplan等人）表明，LSTM（一种RNN）无法像Transformer那样进行扩展，也无法有效地利用长
斯坦福OpenAI
3D视觉工坊 2024-07-27
吴恩达在斯坦福开设的机器学习课 CS229，是很多人最初入门机器学习的课，历史悠久，而且仍然是最经典的机器学习课程之一。 [图片] 《吴恩达机器学习笔记》是对吴恩达机器学习课程内容的详细记录和总结。这份笔记的内容全面且丰富，涵盖了机器学习的多个方面，包括机器学习的定义、监督学习、无监督学习等。 对于每个主题，笔记都进行了深入的讲解，并提供了具体的例子和算法推导。线性回归、逻辑回归，这些算法不再是冷冰冰的公式，而是你手中披荆斩棘的利器。聚类算法？轻松驾驭，让数据自动分群，奥秘尽在掌握！ [图片] [图片]
机器学习斯坦福
一口一个晓盆友 2024-07-26
25篇关于智能体工作流的论文，关注Agentic workflow不要错过想要了解智能体工作流，一定不要错过这25篇LLM及workflow相关论文从LLM到AI Agent再到workflow，25篇论文全面了解智能体工作流从架构到系统，从基准到方法论，6大类25篇论文助你吃透智能体工作流想要系统了解智能体工作流，看这25篇论文就够了什么是智能体工作流？Agentic workflow有哪些系统和工具？一篇文章看明白 文/王吉伟 著名AI学者、斯坦福大学教授吴恩达提出了AI Agent的
斯坦福
王吉伟频道 2024-07-25
机器之心报道 编辑：张倩 还记得斯坦福的 AI 小镇吗？这是斯坦福的 AI 研究者打造的一个虚拟环境。在这个小镇上，25 个 AI 智能体正常生活、工作、社交，甚至谈恋爱，每个智能体都有自己的个性和背
机器之心 2024-07-23
前面介绍了吴恩达斯坦福机器学习课程CS 229速查表，其内容为机器学习领域核心知识点，其实吴恩达教授还有另一门Deep Learning课：CS 230。同样，这门课的助教Afshine Amidi也将课程内容整理成了速查表。项目主页：https://stanford.edu/~shervine/teaching/cs-230/该课程主要包括卷积神经网络CNN、循环神经网络RNN、和深度学习中的一些小技巧组成。卷积神经网络CNN目前，除了用CNN作为图像特征提取骨干网络外，还可以用ViT(Vision T
斯坦福深度学习机器学习
人工智能大讲堂 2024-07-22
去年，全球人工智能领域著名华人科学家李飞飞在一次公开演讲中说道：“从我在斯坦福大学任教以来，我一直对大学的招生办公室感到好奇。”终于有一天，他们想找我聊一聊ChatGPT对招生的影响。“这一代的孩子们已经将人工智能视为一种工具，一个11岁的孩子不会考虑这意味着什么，但这恰恰在提醒我们已经不能把人工智能排除在教育之外。”
人工智能斯坦福ChatGPT教育
新京报书评周刊 2024-07-22
新京报 2024-07-21
在人工智能领域，斯坦福大学的很多课程都颇受欢迎，如CS 229，做机器学习的多多少少都听说过这门课。该课程是由计算机科学系Andrew Ng教授领导讲授，根据统计数据表示，CS 229是斯坦福最受欢迎的课。CS是计算机科学的缩写，表示该课程属于计算机科学系，“229”是课程编号，这里指的是高级机器学习课。由于这门课实在太火了，针对这门课程不同形式的资料也纷至沓来，其中，这门课的助教Afshine Amidi将课程内容整理成了速查表。项目主页：https://stanford.edu/~shervine/t
斯坦福机器学习人工智能
人工智能大讲堂 2024-07-19
人们对 AI 模型的关注高热不下，关于 Scaling Laws 的争论也愈发热烈。OpenAI 于 2020 年在论文「Scaling Laws for Neural Language Models」中首次提出 Scaling Laws，它被看作是大语言模型的摩尔定律。其释义可简要总结为：随着模型大小、数据集大小、（用于训练的）计算浮点数的增加，模型的性能会提高。在 Scaling Laws 的影响下，不少追随者始终认为「大」依然是提高模型性能的第一性原理。尤其是「财大气粗」的大厂，更加依赖于大型、多样
斯坦福苹果OpenAI大语言模型
HyperAI超神经 2024-07-18
Copyright © 2025 aigcdaily.cn 北京智识时代科技有限公司 版权所有 京ICP备2023006237号-1
