什么是内卷?为何中国的产品被排除出东南亚?如何一招解决内卷?

Поделиться
HTML-код
  • Опубликовано: 10 сен 2024
  • 欢迎来到我的频道,在这里我会讲解机器学习、深度学习最经典或者最前沿的模型,同时我还会讲在美国如何生活,如何找工作,如何刷LeetCode,如何快速融入社会。喜欢记得订阅、点赞哦!如果你有什么想要听的,在下面留言吧!
    目前的讲解清单:
    线性回归 (LR)、逻辑回归 (LogR)、多项式回归 (PR)、Lasso 回归、Ridge 回归、弹性网络 (Elastic Net)、决策树 (DT)、随机森林 (RF)、梯度提升树 (GBT)、XGBoost、LightGBM、CatBoost、支持向量机 (SVM)、朴素贝叶斯 (NB)、K 最近邻 (KNN)、主成分分析 (PCA)、独立成分分析 (ICA)、线性判别分析 (LDA)、t-分布邻近嵌入 (t-SNE)、高斯混合模型 (GMM)、聚类分析 (CA)、K 均值聚类 (K-means)、DBSCAN、HDBSCAN、层次聚类 (HC)、GAN (生成对抗网络)、CGAN、DCGAN、WGAN (Wasserstein GAN)、StyleGAN、CycleGAN、VAE (变分自编码器)、GPT (生成式预训练模型)、BERT、Transformer、LSTM (长短期记忆网络)、GRU (门控循环单元)、RNN (循环神经网络)、CNN (卷积神经网络)、AlexNet、VGG、GoogLeNet、ResNet、MobileNet、EfficientNet、Inception、DeepDream、深度信念网络 (DBN)、自动编码器 (AE)、强化学习 (RL)、Q-learning、SARSA、DDPG、A3C、SAC、时序差分学习 (TD)、Actor-Critic、对抗训练 (Adversarial Training)、梯度下降 (GD)、随机梯度下降 (SGD)、批量梯度下降 (BGD)、Adam、RMSprop、AdaGrad、AdaDelta、Nadam、交叉熵损失函数 (Cross-Entropy Loss)、均方误差损失函数 (Mean Squared Error Loss)、KL 散度损失函数 (KL Divergence Loss)、Hinge 损失函数、感知器 (Perceptron)、RBF 神经网络、Hopfield 网络、Boltzmann 机、深度强化学习 (DRL)、自监督学习 (Self-supervised Learning)、迁移学习 (Transfer Learning)、泛化对抗网络 (GAN)、对抗生成网络 (GAN)、训练生成网络 (TGAN)、CycleGAN、深度学习生成模型 (DLGM)、自动编码器生成对抗网络 (AEGAN)、分布式自编码器 (DAE)、网络激活优化器 (NAO)、自编码器 (Autoencoder)、VQ-VAE、LSTM-VAE、卷积自编码器 (CAE)、GAN 自编码器 (GANAE)、U-Net、深度 Q 网络 (DQN)、双重 DQN (DDQN)、优先回放 DQN (Prioritized Experience Replay DQN)、多智能体 DQN (Multi-agent DQN)、深度确定性策略梯度 (DDPG)、感知器 (Perceptron)、稀疏自编码器 (SAE)、稀疏表示分类 (SRC)、深度置信网络 (DBN)、支持向量机 (SVM)、集成学习 (Ensemble Learning)、随机森林 (Random Forest)、极限梯度提升树 (XGBoost)、AdaBoost、梯度提升机 (Gradient Boosting Machine)、Stacking、贝叶斯优化器 (Bayesian Optimization)、贝叶斯网络 (Bayesian Network)、EM 算法 (Expectation-Maximization Algorithm)、高斯过程 (Gaussian Process)、马尔科夫链蒙特卡洛 (MCMC)、强化学习 (Reinforcement Learning)、无监督学习 (Unsupervised Learning)、半监督学习 (Semi-supervised Learning)、监督学习 (Supervised Learning)、迁移学习 (Transfer Learning)、维数约简 (Dimensionality Reduction)、特征选择 (Feature Selection)、特征提取 (Feature Extraction)、正则化 (Regularization)、标准化 (Normalization)、聚类 (Clustering)、分类 (Classification)、回归 (Regression)、降维 (Dimensionality Reduction)、特征映射 (Feature Mapping)、神经网络 (Neural Network)、神经元 (Neuron)、激活函数 (Activation Function)、损失函数 (Loss Function)、优化器 (Optimizer)、学习率 (Learning Rate)、批次大小 (Batch Size)、迭代次数 (Epoch)、超参数 (Hyperparameter)、模型评估 (Model Evaluation)、交叉验证 (Cross Validation)、混淆矩阵 (Confusion Matrix)、ROC 曲线 (ROC Curve)、AUC 值 (AUC Value)、精确度 (Precision)、召回率 (Recall)、F1 分数 (F1 Score)、模型解释 (Model Interpretability)、特征重要性 (Feature Importance)、局部解释 (Local Explanation)、全局解释 (Global Explanation)、机器学习管道 (Machine Learning Pipeline)、一键生成模型 (AutoML)、超参数优化 (Hyperparameter Tuning)、FFT、拉普拉斯变换、z变换、傅里叶变换、短时傅里叶变换 (STFT)、IIR、FIR、卡尔曼滤波、DIP算法、小波变换
    音乐使用许可:RUclips 音频库许可
    你可以将此音频曲目用在任何视频中,包括你用来创收的视频。
    无需署名。
    视频中的音乐(均为以上许可):
    AETHER - Density & Time
    If I Had a Chicken - Kevin MacLeod
    Missing Persons - Jeremy Blake
    PELAGIC - Density & Time

Комментарии • 38

  • @noahzhy
    @noahzhy Месяц назад +4

    这种螺母我也用过,基本上安装完,后面 c 形的玩意没几个能留下全尸的。

  • @user-py4ro4jr8o
    @user-py4ro4jr8o Месяц назад +4

    V老师开始发力卷流量了!

  • @joeyhuang-tw
    @joeyhuang-tw Месяц назад +3

    是不是内卷的程度跟另尋出路的難度有正相關?

  • @alsymiya
    @alsymiya Месяц назад +1

    最后这句话,乐

  • @junyiye427
    @junyiye427 Месяц назад

    最后这句话,用脚投票是什么意思?

    • @phdvlog2024
      @phdvlog2024  Месяц назад +1

      就是用手投不了票,没有投票权力,那就换个地方,比如说移民或者跳槽

    • @phdvlog2024
      @phdvlog2024  Месяц назад +1

      投不了票意味着没有政治权力,可能是因为国家原因,也可能是因为融不进社会,层次不够(在公司里说不上话)总之,换个地方就完事了

  • @ttxiton9622
    @ttxiton9622 Месяц назад +1

    随便聊聊分享一下也挺好

  • @chenhaoGuan
    @chenhaoGuan Месяц назад

    TL;DR 润🤣

  • @fufu9352
    @fufu9352 Месяц назад

    为什么美国不内卷?美国人也没有社会福利政策兜底啊

    • @phdvlog2024
      @phdvlog2024  Месяц назад +2

      美国有一些 另外美国人之间不会比的那么疯狂

  • @user-rb5ez7zv2h
    @user-rb5ez7zv2h Месяц назад

    都是中国人,知道大部分中国人是什么操性。

  • @foreverwhisper
    @foreverwhisper Месяц назад

    润?老祖宗早就教过,贫贱不能移😅

    • @phdvlog2024
      @phdvlog2024  Месяц назад

      😂

    • @foreverwhisper
      @foreverwhisper Месяц назад

      @@phdvlog2024要不再聊聊怎么形成的卷死人的环境?😅

    • @phdvlog2024
      @phdvlog2024  Месяц назад

      没有行业壁垒加上没有法律规定底线

    • @phdvlog2024
      @phdvlog2024  Месяц назад

      或者有法律规定底线 但是没执行

    • @foreverwhisper
      @foreverwhisper Месяц назад

      @@phdvlog2024 说点我的看法, 死命卷反映的其实是社会里资源不足,所以都在拼命争抢,那么是什么造成社会经济资源不足呢? 一个可能原因是中国经济总量不够大,但考虑到改开四十年搞成世界第二经济体,这个说法不让人信服,那么另一种可能原因就是,资源的大比分被小部分人占有,绝大部分人争抢剩下的一小部分,也就是说是个分配的问题,而分配的问题其实也是个政治体制的问题。

  • @Logical-First
    @Logical-First Месяц назад

    temu不能仅退款?拼多多在国内是可以的,所以质量根本不敢差。
    电动汽车内卷成全球质量第一,为什么摩托车反而质量不行?恰恰是因为国内禁摩,不能内卷,只能出口外卷。

    • @phdvlog2024
      @phdvlog2024  Месяц назад +2

      能退款质量依然很差,我之前买了一个猫抓柱,收到以后就是一股很浓的化学品的味道,放到外面凉台散味一个月还是有,害怕直接扔了。仅退款,然后去petco直接现场买了一个,价格一个是20一个是24,没什么价格优势,却一堆质量劣势。现场买放心多了。

    • @phdvlog2024
      @phdvlog2024  Месяц назад +1

      电动汽车内卷成全球质量第一,为什么摩托车反而质量不行?恰恰是因为国内禁摩,不能内卷,只能出口外卷。
      除了摩托车,还有好多啊。奶粉、食用油、预制菜国内禁吗?儿童玩具、小家电、电动车、小型智能设备国内禁吗?哪一个有强的竞争力?在国内都不一定有强竞争力,到了海外基本上都看不到。这些东西里面各种东西超标、隐私等于没有,为了降低成本没有底线。不都是恶性内卷的结果?
      还有电动车是不是全球第一,根本不好说。欧美法规太多,发展的慢,等过几年再看又是另一番景象了。就像5G、P2P金融,当年都是遥遥领先,现在呢?

    • @Logical-First
      @Logical-First Месяц назад

      你举例这些,电子产品恰恰都是中国第一,国外产品也是国内生产出口。
      非电子产品,恰恰是因为不卷啊,比如奶粉,众所周知的高毛利。
      真正卷的,比如光伏 等等,才是真的卷,产业整个死亡过几次再复活过来的。

    • @phdvlog2024
      @phdvlog2024  Месяц назад +1

      怎么电子产品中国第一了 现在我看到的所有高端一些的东西都是泰国 马来西亚 印度尼西亚 墨西哥 韩国生产 从cpu到硬盘到gpu 只有一些组装在中国 还有就是最没有技术含量的机箱 你看一下tag上面的生产信息就知道了

    • @phdvlog2024
      @phdvlog2024  Месяц назад +1

      至于说光伏 那是现在市场在扩张期 等到市场进入饱和期欧美的公司(欧美公司可能不生产太阳能 因为毛利率太低 主要看华尔街资本)进入竞争(或者就是单纯的收割)之后再看看什么情况 因为你要知道 太阳能主要就是欧美在用 因为环保政策 欧美是消费者 中国是生产者 决定权在消费者