Размер видео: 1280 X 720853 X 480640 X 360
Показать панель управления
Автовоспроизведение
Автоповтор
只有深刻理解才能讲的深入浅出。李老师的智知面之广,学习消化能力之强,提纲挈领表达水平之高,真是大师级!他不是知识搬运工,而是知道原材料的烹饪大师!经过他的烹饪,很多人才能食用,享受,吸收原来难以下口的食材!
直到我所熟悉的领域才深刻的体会到了李老师的教学能力, 将复杂的知识通俗易懂的讲解清楚,特别是在原本不熟悉的领域,这体现的教学讲解能力令人叹服
致敬李老师😉听李老师讲解,卷积神经网络概念终于整明白了🤝 相信每个视频之后,都是李老师大量时间和脑力的付出,big谢谢李老师!
老师,真6,期待下一期。
李老師深入簡出,有時格物致知,是大智慧 ! ! !
都是机构念稿子的
每做一期视频李老师都会少几根头发
七不四八 自己去看其它相关文章的时候真的都会被绕懵,根本就不是站在帮助理解的角度去阐述问题的,陷进讲公式扯概念的泥淖里。只有李老师的讲解直击核心,抛掉虚的公式概念,用举例子画图形的方式具化所阐述的概念,做到真正的容易理解。
仅利用一张简简单单的黑板,却讲的比其他花里胡哨的up住讲的更通俗易懂。李老师牛通!
最牛逼的是不管讲的啥,给他一张黑板都能给你讲的明明白白!
职业教师的素质
我真的给李老师跪下
@@BobYYDS 而且粉笔字写得相当6!
牛逼,不是牛通!
老师很厉害,讲的比我做的人还明白。但是有一个点我不是那么同意,就是实时美颜这类的应用问题,之前没有做实时美颜的原因确实是算力问题,但是问题不在于模型,而在于训练模型,用模型做判断(clasification / processing)要求并不高,但是训练模型( training / modeling )却是要求很大的数据量和算力,算法在很早(可能是90年代)就已经很完善了,但是当时由于数据的问题和算力的问题没有解决导致模型没办法优化,也就停留在实验室阶段,在10年以后由于互联网上产生了大量的数据和处理能力的提升才完善了整个体系,才出现了这些软件运用人工智能给大家提供方便。实际上不仅仅是算法,人工智能在训练上也需要做很多前期工作,比如数据筛选,制作参考维度,数据量的选择 (training数据量如果太大了的话会出现过度训练 / over training,不够的话准确率又不够), 权重值的选择(现在TensorFlow是adaptive了,有些其他框架(framework)还是要考虑权重值的问题),这些东西也是是人工智能发展上的好几座大山。其实国内的软件也只停留在运用上,希望咱们国人以后也能参与到算法研发上,成为一个标准的制定者。
李老是科晋,不可能讲到你所说的细节。对于大多数受众,多了这些细节没意义。相反会使科晋受众听不懂!
讲到本专业了才明白李老师讲课能力之强,不仅学科历史梳理得很清楚概念简化得恰到好处,而且那个X图像的例子选得太好了!我没见过有人讲卷积用这个例子的,真的一讲就明白了!当初学卷积的时候被卷积这个名字和数学上的卷积概念混淆绕了半天而且大家都拿猫狗图像做例子也根本讲不明白。。。李老师的快速爬梳信息的能力和表达能力不知道能不能教一下~
因為講課的人是講給學生而不是講給他們的老闆,學生不明白是學生的事,老闆不明白就是你的大事。
卷积这词确实唬人
大学接触了很多人工智能项目,看了西瓜书,上了数字图像处理,机器学习等课程。在李老师这里才真正完全搞懂这些概念,真的惭愧,也惊叹于李老师总结知识点然后进行高效输出的强大能力。拥有一个好老师真的非常重要!
这种好教学视频大多都是英文,所以欧美学习者总是普及得快,难得🈶️这样的中文好老师,真该给奖励
absolutely true. The ramifications cannot be understated
是的,终于出了好老师。
从几年前看李老师讲简单的中学数理问题就喜欢上他的讲解天才!如果中国人把玩游戏看无聊直播的一小部分时用于类似的学习,社会就会有具大进步。大众学习不仅是为了发明创造。因为大众智慧水平高了,就会有更好的辨别能力和独立思考能力,少人云亦云,少被欺骗, 多从科学和知识中寻找答案,多理性,少迷信。这些对一个社会非常重要!
首先这些内容需要长视频才能讲解清楚的。另外,做这些内容的基本很少人看的。B站技术类视频,很多人做的就是收藏而且不看。
李老师真是能把复杂化简单又不失真的天才老师!
老师讲的真的好,二十分钟,能让人对于卷积神经网络有一个大概的认知,信息量很大,但不枯燥,感谢李老师
老師真的用很簡單的講解了CNN,感謝!
讲的太好了,解决了困惑这么久的疑惑,将抽象的神经网络具体到每一个参数的运算,有广度又有深度
太棒了,利用最通俗一同的方式解释算法,希望李老师多出这种介绍科学原理的视频。
李老師 短短的20幾分鐘的精妙講解 就讓人可以輕易了解CNN的精隨跟理解難點太神啦!!!
看您讲这个完全就是知识梳理了,学了两年都是片段知识,惭愧;您一讲一下就给串联起来了,佩服!
讲得也太好了吧,通俗易懂!
通俗我认,易懂.......你牛逼
15:20 老師對於我來說已經算是超人了 ^ ^
我猜咬我屁股的是狗,咬我手指的是猫儿~
真的非常棒。 老師解說實在是清楚又容易了解。
最近再上這個課 李永樂老師說的很好 我完全懂了 期待RNN,NLP,ML,DL的介紹
一把年纪了也喜欢来听李老师深入浅出的公开课☺️
你是网上最谦虚求学的懂王了
懂王好快
总统好
@@actinides6046 前总统了,不知道四年后会不会变为总统🌝🌝
總統好
老师不仅知识面广阔,而且价值观很正哦
第一次看到有老師教人工智慧用黑板教的 狂🤙🏻🤙🏻🤙🏻
老師:“我感覺自己像超人。” 因為超人一帶上眼鏡👓別人就不認得他。😂
李老师的水平真高,现学现卖,比很多AI专家都讲得清楚!
毕竟是中学老师啊,讲的东西比较容易让学生理解,尤其我这种学渣~~哈哈
还好吧,讲的很浅
做科普,主要是面对初中及以下文化水平的人群,不会涉及过多的专业知识尤其是数学,能让大多数人知道点基本概念,当然要真让他们去做肯定是不会做的
终于明白了原来经常做的moving window计算,就是传说中的卷积。谢谢李老师的降维讲解
我的妈呀!作为行业从业者来看,李老师绝对是把卷积讲的最深入浅出,能让普罗大众了解AI,太厉害了!
没错
李永乐老师太神了!能把知识用通俗易懂的语言介绍给大家,以便激发大家对学习的兴趣而不是望而生畏。谢谢老师!我是您忠实的小朋友之一!
老师说感觉自己是超人的时候把我笑喷了
他说,他不是昆虫
老师的体型特点很容易辨识的。老师板书让右手长期工作,身体渐渐偏移,这段时间头也偏过去。这样会很快影响到老师的身体。最好用双手平衡书写,让脊椎端正。要是做不到,就不如打字,放映了。望早日开始复健运动。这样我们常听到老师的课。
刚用python 做了CNN kaggle猫狗大战老师就讲到了,希望老师能有空做个关于RNN 的视频。老师太全能了从科举制度到AI都能讲 佩服佩服
佩服👍 李老师讲的很到位,终于清楚卷积实现的原理了👍
谢谢李老师!一些以前知其然不知其所以然的东西也能理解了。强烈希望能出第三期!
能当李永乐老师的学生真是幸运,幸福!
上学的时候如果有这样的老师我就爱学习了。
这么复杂的内容,这么对计算机零知识的我,在李老师的黑板前,似乎也有些明白了。👍
刚开始听你课觉得有意思,再听就觉得好累,不是觉得听不听得懂的问题,而是你讲课的说话速度,让人神经紧绷。
老師包山包海無所不教,佩服啊
李永乐老师就是个天才老师,简直聪明至极的好老师。
第一次完整听李老师的讲课,两个字“通透”
又帶我復習了一遍圖像處理課,感覺特別好
看完我只想说,计算机您辛苦了
謝謝老師的講解 真的讓我理解清楚了
一个女性人工智能讲的,不适合新手。我就看了第一课,第二课开始瞬间失去了信心,不想学。然后看到李老师用一张黑板讲的比任何一个通俗易懂,感觉像又回到了学生时代,感谢老师
李老师,我欠你一笔大学学费。如果我们的大学老师都有你这水平,而愁我们不能伟大复兴。
我们老师只念PPT课堂死气沉沉
@@shawncheng404 确实,985高校一堆ppt复读机,要是像李老师善于总结有自己的思考,就不至于学生上课不听课了
@@janjiavicii1328 其实不能完全怪那些老师,我大二一个物理教授真的不会教书,后期翘课率达到80%以上,但是研究做的非常好。。或者有可能有些老师更加投入研究
@@janjiavicii1328 何止985,外国大学不会讲课但是研究做得好的教授也太多了。现在的大学排名很可惜很看重学术研究,并不注重教学质量。
结果李老师才是一个中学的老师
李老师也太强了吧,连CPU和GPU都知道。我只搞3维,就只知道3维得事情,你太令人佩服了。
哈哈看来还是要不断学习
谢谢李老师。李老师的作用是师傅领进门,修行在个人。很多延伸性的只是还是要大家自己学习研究探讨呀
就喜欢讲课都是干货,言简意赅的教学
我身为一个IT学生,真的觉得李老师是个神,五体投地,服
真的太神了,天天就听卷积卷积。这终于明白一点点了。 还有那个超人眼镜,可能老师把眼镜摘了就是超人。
第二次卷積4個卷積核那邊錯了,一張圖片經過一次3個卷積核就是1x3=3張特徵圖,那麼3張特徵圖用4個卷積核是3x4=12張特徵圖才對。因為這裡是每一張圖片分別和4個卷積核做運算得到4張特徵圖,有3張所以輸出會有12張特徵圖。
看完李老師教學視頻 有種被打通任督二脈的感覺 太神啦
太棒了,我终于找到一个好入眠的频道!
谢谢,讲得真好。李老师能不能详细讲一讲back propagation 和chain rule?这个我感觉才是人工智能的关键,但能讲清楚的教程实在太少了。
就是说,反向传导误差,一层一层求导,数学上不难,这个是不是人工智能的关键还有待商榷。
這個找教人工智能的課程由於時間篇幅因素深刻詳細的比較少,BP大部分還會詳細一點講,chain rule建議去翻大學微積分課程,這兩個都是大學微積分課程範圍。
chain rule-> dy/dz = dy/dx * dx/dz这个其实很好理解,BP就是用这个原理, 从输出层反向求每个节点的导就能得到系统的导。深度学习的关键其实是统计学。
深度学习的关键是脑科学(物理化学)+数学
感谢李老师!这些课程以前就想学,但是感觉啃起来很费劲儿。但是学习李永乐老师消化后再讲出来的课程,就觉得特别丝滑!
李老师确实牛!崇拜,讲得简单通俗易懂
富堅義博的作品更新的很快,可惜只在youtube頻道上
臥槽!心中的疑惑終於解開了!
今日头条也有
一毛一样
老师下一期可以介绍下深度学习再语音识别方面的技术应用吗?
还有语音合成
这个更烧脑
通俗易懂,印象深刻。好老师的基本素养。
李永乐老师的视频越来越前沿了,真厉害!
这两期信息量特别大,谢谢李老师我又可以在饭桌上扯淡了🤣🤣
确实,像这种深度学习的问题在有的大学课堂里需要讲一学期
我大學的時候學過這算法, 到我畢業的時候也不知道自己在算什麼, 為什麼要這樣算, 只知道jpeg就是這樣算, 現在終於明白了, 事實證明, 要畢業根本不需要知道自己在學什麼
现在才看完这视频。李老师你才了不起了!
是个几个月又来复习一遍,希望李老师多出点人工智能的算法
多层卷积的时候,后面卷积的input channel必须等于前面一层的output channel,李老师举例说的3和4指的是这两层的output channel个数,这样说可能会更明白一些,要不很多小朋友会搞混淆😂
全都连上,input output可以不相等的
谢谢,否则会以为是3X4呢?🤔
不明白,也不影响理解
通俗易懂!太精彩了!
20分钟讲了我们老师一学期的内容 nb👍
老師這裏真的是除了p站以外少數兩岸三地和睦友好的地方
老师頭秃了也变强了~
p战也都是互喷的
观众们都是热爱学习知识的优秀青年哈哈哈
还有EVE的公众聊天室(前提是开车的时候)
P站是什么,也这么和睦友好么?我要去学习一下
李老师讲得好,华为很棒!
非常感谢李永乐老师对于CNN的讲解,通过您的手算例子让我对CNN有了新一次的理解。CNN其实是存在参数过多的问题,所以有参数共享的办法使得训练时间缩短。希望您有机会可以讲一讲参数共享以及池化过程是如何进行反向BP的。
李老师的表达能力太好了
以及我都在怀疑人脑到底还是不是简单的电子跟电子的沟通。因为相同的机器要计算人脑一样的计算量。需要用到相当大功耗甚至都不是一个数量级的。所以我都在怀疑人脑中,是不是有大量的量子反应在发生?也就是说人脑可能一直是一台量子计算机,只是人类一直没有发现。
是奇迹
这个观点很好哦,现在已经发现神经有量子性质了
李永乐老师应该是一名科学家。人才。
希望老師多多介紹AI 除了圖像識別 包括 能夠找出數據裡哪些是正常的 那些是不正常的 譬如 哪些是消費者自己購買的 哪些一看就不是消費者自己 而是別人盜用帳號購買的 謝謝🙏
最后的总结把我感动得热泪盈眶😂😂😂
专业教学的果然不一样 别人巴拉巴拉半天说不明白的东西 老师两节短课说清楚了 语言逻辑组织能力无敌
👍讲的很好!如果再把“卷积神经网络”这个误称(misnomer)说明一下就更好了。由于历史原因,这个方法的核心运算(相关运算)被误称为卷积运算了。
老師教得很棒 , 謝謝老師 !!
李老师的政治课讲得真好
人家明显华为赞助了呀,这也要和政治扯上关系!
李永乐,梁宏达,把这俩人的东西全学了,就文武兼备了,叩谢!
谢谢李老师!讲的很好,很清晰!
久没见,老师又圆润了。
李老师,我是一名拳击运动员。请做一期节目,怎样打出的勾拳力量最大?抖肩发力的计算公式是什么?怎样抖肩发力的方式出拳力量最大?身体呈多少度角打出的勾拳力量最大?怎样打出的摆拳力量最大?直拳用什么计算公式打出的拳力量最大?
哈哈!李老师表态他也是自干五了!
他说的倒没错,生物科技嘛,都懂的,是在大力研究啊,比如在武汉😏
20:07 老師真的很棒
妙啊。通俗易懂,谢谢老师
用手捂着嘴,识别成功,戴口罩。用手在眼睛上比一个圈,识别成功,太阳镜。
卷积核在理论上要对折(也就是conv)一下然后乘加。不过实际计算中由于图像轮廓的检测核都是圆对称的,不对折也罢。数字图像识别到了八十年代中期,发现最大的困境是过度编程和过度计算,于是探索如何向人脑学习采用并行结构算法,诞生了神经元网络NN。C主要是作为前处理,提取特征等 → CNN。
科学在踩油门时候,总有些人把政治倒车的油门一踩到底
科学可是大排量,政治这种二奶车,分分钟拉爆缸
太有水平的评论了。一语道破
科学无处不在 , 那个改进焚尸炉使它能够更加高效工作的工程师也是人才 、
第二次刷,写论文中,再次感谢老师的视频。
李永乐老师就是那种即使上课不听课,自己随便学学,但每次都能拿第一的那种学霸。
讲的真好,通俗易懂
謝謝老師的說明!非常清楚明瞭!
本节目的画蛇添足部分,由地表最强AI芯片和架构提供商华为友情赞助引领人工智能第三次科技革命, 华为带您走向未来 👏
看到智能手表,我相信这次真是小朋友提的问题
全是干货,没有一句废话,这就是李老师智能的“核心竞争力”
老师讲解的非常好,但是现在大家发现sigmoid函数没有relu函数来的好用,所以基本上用的上relu函数。
有了李老师 小学生都能搞AI了
这个视频里就涉及微积分,线性代数和统计学概率的知识。小学生来找找视频里那个函数的极限是多少,f(x)=1/(1-e^-1)?
哈哈,初学AI的人往往都会有的错觉。
@@BirdOnBlueSky sigmoid的话他不画出来了吗 而且他也说了值域-1到1统计学我没看到哪里有 线性代数也不涉及因为连矩阵相乘都没说(除非你说后面gpunpu并行怎么实现那当我没说)
中文圈最好的机器学习课程,RUclips上有,台大李宏毅。你去看完还能觉得小学生能搞,我确实无话可说,都是神仙
@@shadowyray9180 他和吴恩达讲的都很枯燥
永乐老师,有空可以多用用大一点的电子板,又好看,又省粉笔钱,不是我说老师的字不好看😂就只是个人比较喜欢看老师用电子黑板,有空做个投票看所有人要不要用电子板吧,我们要少数服从多数。
电子黑板没有粉笔的手感的,写惯了,很难更换。而且电子黑板成本略高,传统黑板很多情况下更实用
哈哈,其实我还蛮喜欢黑板这种方式的。因为老师写的时候会慢一些我还可以反应一下。当然每个人各有所好,可能你会觉得粉笔写的比较慢吧哈哈。
总算整明白了,非常棒的视频。
只有深刻理解才能讲的深入浅出。李老师的智知面之广,学习消化能力之强,提纲挈领表达水平之高,真是大师级!他不是知识搬运工,而是知道原材料的烹饪大师!经过他的烹饪,很多人才能食用,享受,吸收原来难以下口的食材!
直到我所熟悉的领域才深刻的体会到了李老师的教学能力, 将复杂的知识通俗易懂的讲解清楚,特别是在原本不熟悉的领域,这体现的教学讲解能力令人叹服
致敬李老师😉
听李老师讲解,卷积神经网络概念终于整明白了🤝 相信每个视频之后,都是李老师大量时间和脑力的付出,big谢谢李老师!
老师,真6,期待下一期。
李老師深入簡出,有時格物致知,是大智慧 ! ! !
都是机构念稿子的
每做一期视频李老师都会少几根头发
七不四八 自己去看其它相关文章的时候真的都会被绕懵,根本就不是站在帮助理解的角度去阐述问题的,陷进讲公式扯概念的泥淖里。只有李老师的讲解直击核心,抛掉虚的公式概念,用举例子画图形的方式具化所阐述的概念,做到真正的容易理解。
仅利用一张简简单单的黑板,却讲的比其他花里胡哨的up住讲的更通俗易懂。李老师牛通!
最牛逼的是不管讲的啥,给他一张黑板都能给你讲的明明白白!
职业教师的素质
我真的给李老师跪下
@@BobYYDS 而且粉笔字写得相当6!
牛逼,不是牛通!
老师很厉害,讲的比我做的人还明白。但是有一个点我不是那么同意,就是实时美颜这类的应用问题,之前没有做实时美颜的原因确实是算力问题,但是问题不在于模型,而在于训练模型,用模型做判断(clasification / processing)要求并不高,但是训练模型( training / modeling )却是要求很大的数据量和算力,算法在很早(可能是90年代)就已经很完善了,但是当时由于数据的问题和算力的问题没有解决导致模型没办法优化,也就停留在实验室阶段,在10年以后由于互联网上产生了大量的数据和处理能力的提升才完善了整个体系,才出现了这些软件运用人工智能给大家提供方便。实际上不仅仅是算法,人工智能在训练上也需要做很多前期工作,比如数据筛选,制作参考维度,数据量的选择 (training数据量如果太大了的话会出现过度训练 / over training,不够的话准确率又不够), 权重值的选择(现在TensorFlow是adaptive了,有些其他框架(framework)还是要考虑权重值的问题),这些东西也是是人工智能发展上的好几座大山。其实国内的软件也只停留在运用上,希望咱们国人以后也能参与到算法研发上,成为一个标准的制定者。
李老是科晋,不可能讲到你所说的细节。对于大多数受众,多了这些细节没意义。相反会使科晋受众听不懂!
讲到本专业了才明白李老师讲课能力之强,不仅学科历史梳理得很清楚概念简化得恰到好处,而且那个X图像的例子选得太好了!我没见过有人讲卷积用这个例子的,真的一讲就明白了!当初学卷积的时候被卷积这个名字和数学上的卷积概念混淆绕了半天而且大家都拿猫狗图像做例子也根本讲不明白。。。李老师的快速爬梳信息的能力和表达能力不知道能不能教一下~
因為講課的人是講給學生而不是講給他們的老闆,學生不明白是學生的事,老闆不明白就是你的大事。
卷积这词确实唬人
大学接触了很多人工智能项目,看了西瓜书,上了数字图像处理,机器学习等课程。在李老师这里才真正完全搞懂这些概念,真的惭愧,也惊叹于李老师总结知识点然后进行高效输出的强大能力。拥有一个好老师真的非常重要!
这种好教学视频大多都是英文,所以欧美学习者总是普及得快,难得🈶️这样的中文好老师,真该给奖励
absolutely true. The ramifications cannot be understated
是的,终于出了好老师。
从几年前看李老师讲简单的中学数理问题就喜欢上他的讲解天才!如果中国人把玩游戏看无聊直播的一小部分时用于类似的学习,社会就会有具大进步。大众学习不仅是为了发明创造。因为大众智慧水平高了,就会有更好的辨别能力和独立思考能力,少人云亦云,少被欺骗, 多从科学和知识中寻找答案,多理性,少迷信。这些对一个社会非常重要!
首先这些内容需要长视频才能讲解清楚的。另外,做这些内容的基本很少人看的。B站技术类视频,很多人做的就是收藏而且不看。
李老师真是能把复杂化简单又不失真的天才老师!
老师讲的真的好,二十分钟,能让人对于卷积神经网络有一个大概的认知,信息量很大,但不枯燥,感谢李老师
老師真的用很簡單的講解了CNN,感謝!
讲的太好了,解决了困惑这么久的疑惑,将抽象的神经网络具体到每一个参数的运算,有广度又有深度
太棒了,利用最通俗一同的方式解释算法,希望李老师多出这种介绍科学原理的视频。
李老師 短短的20幾分鐘的精妙講解
就讓人可以輕易了解CNN的精隨跟理解難點
太神啦!!!
看您讲这个完全就是知识梳理了,学了两年都是片段知识,惭愧;您一讲一下就给串联起来了,佩服!
讲得也太好了吧,通俗易懂!
通俗我认,易懂.......你牛逼
15:20 老師對於我來說已經算是超人了 ^ ^
我猜咬我屁股的是狗,咬我手指的是猫儿~
真的非常棒。 老師解說實在是清楚又容易了解。
最近再上這個課 李永樂老師說的很好 我完全懂了 期待RNN,NLP,ML,DL的介紹
一把年纪了也喜欢来听李老师深入浅出的公开课☺️
你是网上最谦虚求学的懂王了
懂王好快
总统好
@@actinides6046 前总统了,不知道四年后会不会变为总统🌝🌝
總統好
老师不仅知识面广阔,而且价值观很正哦
第一次看到有老師教人工智慧用黑板教的 狂🤙🏻🤙🏻🤙🏻
老師:“我感覺自己像超人。” 因為超人一帶上眼鏡👓別人就不認得他。😂
李老师的水平真高,现学现卖,比很多AI专家都讲得清楚!
毕竟是中学老师啊,讲的东西比较容易让学生理解,尤其我这种学渣~~哈哈
还好吧,讲的很浅
做科普,主要是面对初中及以下文化水平的人群,不会涉及过多的专业知识尤其是数学,能让大多数人知道点基本概念,当然要真让他们去做肯定是不会做的
终于明白了原来经常做的moving window计算,就是传说中的卷积。谢谢李老师的降维讲解
我的妈呀!作为行业从业者来看,李老师绝对是把卷积讲的最深入浅出,能让普罗大众了解AI,太厉害了!
没错
李永乐老师太神了!能把知识用通俗易懂的语言介绍给大家,以便激发大家对学习的兴趣而不是望而生畏。谢谢老师!我是您忠实的小朋友之一!
老师说感觉自己是超人的时候把我笑喷了
他说,他不是昆虫
老师的体型特点很容易辨识的。
老师板书让右手长期工作,身体渐渐偏移,这段时间头也偏过去。
这样会很快影响到老师的身体。
最好用双手平衡书写,让脊椎端正。要是做不到,就不如打字,放映了。
望早日开始复健运动。这样我们常听到老师的课。
刚用python 做了CNN kaggle猫狗大战老师就讲到了,希望老师能有空做个关于RNN 的视频。老师太全能了从科举制度到AI都能讲 佩服佩服
佩服👍 李老师讲的很到位,终于清楚卷积实现的原理了👍
谢谢李老师!一些以前知其然不知其所以然的东西也能理解了。强烈希望能出第三期!
能当李永乐老师的学生真是幸运,幸福!
上学的时候如果有这样的老师我就爱学习了。
这么复杂的内容,这么对计算机零知识的我,在李老师的黑板前,似乎也有些明白了。👍
刚开始听你课觉得有意思,再听就觉得好累,不是觉得听不听得懂的问题,而是你讲课的说话速度,让人神经紧绷。
老師包山包海無所不教,佩服啊
李永乐老师就是个天才老师,简直聪明至极的好老师。
第一次完整听李老师的讲课,两个字“通透”
又帶我復習了一遍圖像處理課,感覺特別好
看完我只想说,计算机您辛苦了
謝謝老師的講解 真的讓我理解清楚了
一个女性人工智能讲的,不适合新手。我就看了第一课,第二课开始瞬间失去了信心,不想学。然后看到李老师用一张黑板讲的比任何一个通俗易懂,感觉像又回到了学生时代,感谢老师
李老师,我欠你一笔大学学费。如果我们的大学老师都有你这水平,而愁我们不能伟大复兴。
我们老师只念PPT课堂死气沉沉
@@shawncheng404 确实,985高校一堆ppt复读机,要是像李老师善于总结有自己的思考,就不至于学生上课不听课了
@@janjiavicii1328 其实不能完全怪那些老师,我大二一个物理教授真的不会教书,后期翘课率达到80%以上,但是研究做的非常好。。或者有可能有些老师更加投入研究
@@janjiavicii1328 何止985,外国大学不会讲课但是研究做得好的教授也太多了。现在的大学排名很可惜很看重学术研究,并不注重教学质量。
结果李老师才是一个中学的老师
李老师也太强了吧,连CPU和GPU都知道。我只搞3维,就只知道3维得事情,你太令人佩服了。
哈哈看来还是要不断学习
谢谢李老师。李老师的作用是师傅领进门,修行在个人。很多延伸性的只是还是要大家自己学习研究探讨呀
就喜欢讲课都是干货,言简意赅的教学
我身为一个IT学生,真的觉得李老师是个神,五体投地,服
真的太神了,天天就听卷积卷积。这终于明白一点点了。 还有那个超人眼镜,可能老师把眼镜摘了就是超人。
第二次卷積4個卷積核那邊錯了,一張圖片經過一次3個卷積核就是1x3=3張特徵圖,那麼3張特徵圖用4個卷積核是3x4=12張特徵圖才對。因為這裡是每一張圖片分別和4個卷積核做運算得到4張特徵圖,有3張所以輸出會有12張特徵圖。
看完李老師教學視頻 有種被打通任督二脈的感覺 太神啦
太棒了,我终于找到一个好入眠的频道!
谢谢,讲得真好。李老师能不能详细讲一讲back propagation 和chain rule?这个我感觉才是人工智能的关键,但能讲清楚的教程实在太少了。
就是说,反向传导误差,一层一层求导,数学上不难,这个是不是人工智能的关键还有待商榷。
這個找教人工智能的課程由於時間篇幅因素深刻詳細的比較少,BP大部分還會詳細一點講,chain rule建議去翻大學微積分課程,這兩個都是大學微積分課程範圍。
chain rule-> dy/dz = dy/dx * dx/dz这个其实很好理解,BP就是用这个原理, 从输出层反向求每个节点的导就能得到系统的导。深度学习的关键其实是统计学。
深度学习的关键是脑科学(物理化学)+数学
感谢李老师!这些课程以前就想学,但是感觉啃起来很费劲儿。但是学习李永乐老师消化后再讲出来的课程,就觉得特别丝滑!
李老师确实牛!崇拜,讲得简单通俗易懂
富堅義博的作品更新的很快,可惜只在youtube頻道上
臥槽!心中的疑惑終於解開了!
今日头条也有
一毛一样
老师下一期可以介绍下深度学习再语音识别方面的技术应用吗?
还有语音合成
这个更烧脑
通俗易懂,印象深刻。好老师的基本素养。
李永乐老师的视频越来越前沿了,真厉害!
这两期信息量特别大,谢谢李老师我又可以在饭桌上扯淡了🤣🤣
确实,像这种深度学习的问题在有的大学课堂里需要讲一学期
我大學的時候學過這算法, 到我畢業的時候也不知道自己在算什麼, 為什麼要這樣算, 只知道jpeg就是這樣算, 現在終於明白了, 事實證明, 要畢業根本不需要知道自己在學什麼
现在才看完这视频。李老师你才了不起了!
是个几个月又来复习一遍,希望李老师多出点人工智能的算法
多层卷积的时候,后面卷积的input channel必须等于前面一层的output channel,李老师举例说的3和4指的是这两层的output channel个数,这样说可能会更明白一些,要不很多小朋友会搞混淆😂
全都连上,input output可以不相等的
谢谢,否则会以为是3X4呢?🤔
不明白,也不影响理解
通俗易懂!太精彩了!
20分钟讲了我们老师一学期的内容 nb👍
老師這裏真的是除了p站以外少數兩岸三地和睦友好的地方
老师頭秃了也变强了~
p战也都是互喷的
观众们都是热爱学习知识的优秀青年哈哈哈
还有EVE的公众聊天室(前提是开车的时候)
P站是什么,也这么和睦友好么?我要去学习一下
李老师讲得好,华为很棒!
非常感谢李永乐老师对于CNN的讲解,通过您的手算例子让我对CNN有了新一次的理解。CNN其实是存在参数过多的问题,所以有参数共享的办法使得训练时间缩短。希望您有机会可以讲一讲参数共享以及池化过程是如何进行反向BP的。
李老师的表达能力太好了
以及我都在怀疑人脑到底还是不是简单的电子跟电子的沟通。因为相同的机器要计算人脑一样的计算量。需要用到相当大功耗甚至都不是一个数量级的。所以我都在怀疑人脑中,是不是有大量的量子反应在发生?也就是说人脑可能一直是一台量子计算机,只是人类一直没有发现。
是奇迹
这个观点很好哦,现在已经发现神经有量子性质了
李永乐老师应该是一名科学家。人才。
希望老師多多介紹AI 除了圖像識別 包括 能夠找出數據裡哪些是正常的 那些是不正常的 譬如 哪些是消費者自己購買的 哪些一看就不是消費者自己 而是別人盜用帳號購買的 謝謝🙏
最后的总结把我感动得热泪盈眶😂😂😂
专业教学的果然不一样 别人巴拉巴拉半天说不明白的东西 老师两节短课说清楚了 语言逻辑组织能力无敌
👍讲的很好!如果再把“卷积神经网络”这个误称(misnomer)说明一下就更好了。由于历史原因,这个方法的核心运算(相关运算)被误称为卷积运算了。
老師教得很棒 , 謝謝老師 !!
李老师的政治课讲得真好
人家明显华为赞助了呀,这也要和政治扯上关系!
李永乐,梁宏达,把这俩人的东西全学了,就文武兼备了,叩谢!
谢谢李老师!讲的很好,很清晰!
久没见,老师又圆润了。
李老师,我是一名拳击运动员。请做一期节目,怎样打出的勾拳力量最大?抖肩发力的计算公式是什么?怎样抖肩发力的方式出拳力量最大?身体呈多少度角打出的勾拳力量最大?怎样打出的摆拳力量最大?直拳用什么计算公式打出的拳力量最大?
哈哈!李老师表态他也是自干五了!
他说的倒没错,生物科技嘛,都懂的,是在大力研究啊,比如在武汉😏
20:07 老師真的很棒
妙啊。通俗易懂,谢谢老师
用手捂着嘴,识别成功,戴口罩。
用手在眼睛上比一个圈,识别成功,太阳镜。
卷积核在理论上要对折(也就是conv)一下然后乘加。不过实际计算中由于图像轮廓的检测核都是圆对称的,不对折也罢。数字图像识别到了八十年代中期,发现最大的困境是过度编程和过度计算,于是探索如何向人脑学习采用并行结构算法,诞生了神经元网络NN。C主要是作为前处理,提取特征等 → CNN。
科学在踩油门时候,总有些人把政治倒车的油门一踩到底
科学可是大排量,政治这种二奶车,分分钟拉爆缸
太有水平的评论了。一语道破
科学无处不在 , 那个改进焚尸炉使它能够更加高效工作的工程师也是人才 、
第二次刷,写论文中,再次感谢老师的视频。
李永乐老师就是那种即使上课不听课,自己随便学学,但每次都能拿第一的那种学霸。
讲的真好,通俗易懂
謝謝老師的說明!非常清楚明瞭!
本节目的画蛇添足部分,由地表最强AI芯片和架构提供商华为友情赞助
引领人工智能第三次科技革命, 华为带您走向未来 👏
看到智能手表,我相信这次真是小朋友提的问题
全是干货,没有一句废话,这就是李老师智能的“核心竞争力”
老师讲解的非常好,但是现在大家发现sigmoid函数没有relu函数来的好用,所以基本上用的上relu函数。
有了李老师 小学生都能搞AI了
这个视频里就涉及微积分,线性代数和统计学概率的知识。小学生来找找视频里那个函数的极限是多少,f(x)=1/(1-e^-1)?
哈哈,初学AI的人往往都会有的错觉。
@@BirdOnBlueSky sigmoid的话他不画出来了吗 而且他也说了值域-1到1
统计学我没看到哪里有 线性代数也不涉及因为连矩阵相乘都没说(除非你说后面gpunpu并行怎么实现那当我没说)
中文圈最好的机器学习课程,RUclips上有,台大李宏毅。你去看完还能觉得小学生能搞,我确实无话可说,都是神仙
@@shadowyray9180 他和吴恩达讲的都很枯燥
永乐老师,有空可以多用用大一点的电子板,又好看,又省粉笔钱,不是我说老师的字不好看😂就只是个人比较喜欢看老师用电子黑板,有空做个投票看所有人要不要用电子板吧,我们要少数服从多数。
电子黑板没有粉笔的手感的,写惯了,很难更换。而且电子黑板成本略高,传统黑板很多情况下更实用
哈哈,其实我还蛮喜欢黑板这种方式的。因为老师写的时候会慢一些我还可以反应一下。当然每个人各有所好,可能你会觉得粉笔写的比较慢吧哈哈。
总算整明白了,非常棒的视频。