Комментарии
24
сэкономить время школьникам, родителям и учителям
А опытным разработчикам, которые хотят пощупать это с нулевыми знаниями подойдёт?
Не меньше, а то и больше. Есть серии Essence of linear algebra и Essence of calculus, которые запросто могут заменить курс линейной алгебры и анализа, соответственно (причём смотреть на порядок интереснее и понятнее, чем обычный курс университета).
Мы их сейчас переводим, кстати. Можно поучаствовать — в телеграм @pieceofchaos, ну или в личку в вк.
Мы их сейчас переводим, кстати. Можно поучаствовать — в телеграм @pieceofchaos, ну или в личку в вк.
которые запросто могут заменить курс линейной алгебры и анализ
при всем уважении, содержание курса Essence of calculus соответствует скорее старшим классам хорошей школы, но не курсу мат. анализа в техническом вузе, и уж точно не университетскому курсу, там на порядок меньше информации. Другое дело, что возможно многим этого и достаточно…
Это так, но только если сравнивать программу снаружи — действительно, всего 12 видео по 10-12 минут, разве это сравнится с программой технического вуза в 90 вопросов или с учебником Фихтенгольца в 300 страниц первого семестра?
На самом деле эти видео не направлены на формальное строгое изложение всей программы, они направлены на объяснение ключевых моментов. И объяснения в них качественно другие. Пусть и не всегда строгие, но направленные именно на понимание, что здесь происходит.
И кто лучше знает анализ — средний студент вуза, вызубривший, но не понимающий формулу Тейлора (а студенты через полгода-год обучения в среднем именно такие), или же посмотревший эти видео человек, который может объяснить, почему аппроксимирующий многочлен аппроксимирует функцию, нарисовать его график, и вывести эту самую формулу сам?
P.S. не очень хочу спорить про качественность учебников, особенно таких классических, но в том же Фихтенгольце график аппроксимирующего многочлена даётся впервые через обоже 14 страниц выкладок. Нельзя так. Вчерашнему школьнику по формуле ряда косинуса абсолютно не очевидно, что он в некотором приближении похож на косинус.
На самом деле эти видео не направлены на формальное строгое изложение всей программы, они направлены на объяснение ключевых моментов. И объяснения в них качественно другие. Пусть и не всегда строгие, но направленные именно на понимание, что здесь происходит.
И кто лучше знает анализ — средний студент вуза, вызубривший, но не понимающий формулу Тейлора (а студенты через полгода-год обучения в среднем именно такие), или же посмотревший эти видео человек, который может объяснить, почему аппроксимирующий многочлен аппроксимирует функцию, нарисовать его график, и вывести эту самую формулу сам?
P.S. не очень хочу спорить про качественность учебников, особенно таких классических, но в том же Фихтенгольце график аппроксимирующего многочлена даётся впервые через обоже 14 страниц выкладок. Нельзя так. Вчерашнему школьнику по формуле ряда косинуса абсолютно не очевидно, что он в некотором приближении похож на косинус.
Полностью согласен, что для большинства студентов хорошо аппроксимировать функцию формулу рядом Тейлора — это все что нужно знать, и что это можно объяснить за один ролик в 10 минут.
Но культура понимания и самостоятельного воспроизведения длинных формальных доказательств некоторым студентам полезна. Именно такие доказательства отличают университет от хорошей школы, и одним роликом их не передать. А среднему студенту они не нужны, да.
Но культура понимания и самостоятельного воспроизведения длинных формальных доказательств некоторым студентам полезна. Именно такие доказательства отличают университет от хорошей школы, и одним роликом их не передать. А среднему студенту они не нужны, да.
Ну 3 слоя — это понятно. А вот этих слоёв полсотни, ещё и с кучой всякой экзотики? Вот тогда объяснение работы нейросети и преимущество именно такой архитектуры похоже на работу финансового аналитика, рассказывающего, почему упали или выросли акции.
А с преимуществами той или иной архитектуры дело обстоит ровно так же, как с анализом работы обученной сети. Метод случайной генерации и отбора дает результат, проанализировать который не в человеческих силах.
Полсотни слоёв? Для человека не знающего теорию, что три слоя необходимо и достаточно чтобы решить любую проблему. Такая теорема есть даже
Ну да. А все остальные дураки, не знают, что достаточно только трёх слоёв. Наверное, нейросеть при этом получится циклопических размеров, а интерпретация слоёв станет невозможна? Я уж молчу про то, что нейросети с циклами под эту теорему не попадают.
Эволюция оказалась с теоремой не согласна :)
Канал всем хорош, если бы только не эта невыносимая фоновая музыка :)
Вроде спокойная музыка :)? В audacity легко можно удалить фоновую музыку, если действительно мешает.
Spoiler
Вот, например попробовал почистить, с 15-й секунды — https://mega.nz/file/VMp0BaaS#Tjv1itQ5S2RsgmkdzZgrHqYhW9eSPMHh9_6JhU1kZsM
Доброго утра, долго изучаю химию и фолдинг белка.
В чём главное опровержение кольцегранной модель атома?
( или атом это не статичная модель, а некое непостоянное динамичное облако которое очень сложно просчитать? )
Спасибо
В чём главное опровержение кольцегранной модель атома?
( или атом это не статичная модель, а некое непостоянное динамичное облако которое очень сложно просчитать? )
Спасибо
Гм, разве кольцегранную кто-то серьезно воспринимал? Чисто по фану же. Извините, не теоретик и не занимаюсь опровержением очередных теорий всего.
В ней практически нет разрешений (аккордов), и потому она какая угодно, но не «спокойная» — она накручивает, накручивает, и не разрешается ни во что осмысленное =) Настоящая пытка.
Да, не даёт сосредоточится на содержании.
Да, видео хорошие. Может подсажите какое-нибудь рускоязычное комьюнити, где можно задать конкретный вопрос по нейросетям?
круть, спасибо)
плюсанул бы в карму, но рейтинга не хватает(
плюсанул бы в карму, но рейтинга не хватает(
Для всех кто любит не только смотреть, но и читать – во второй части видео (Gradient descent, how neural networks learn | Deep learning, chapter 2) (~ 17:14) упоминается электронная книга «Neural Networks and Deep Learning», с полным переводом которой можно ознакомиться также на Хабре «Нейросети и глубокое обучение».
Вау! Спасибо!
Любопытный факт:
Первые два видео можно развернуть на весь экран из статьи, а последующие 4 уже нельзя (кнопка разворачивания не активна).
Вопросы:
- Почему так? В тексте статьи разные видео вставлены по разному?
- Как сделать так, чтобы из статей на хабре можно было развернуть любое видео на весь экран?
Получается, что с точки зрения нейросети, входящей в основу распознавания лиц в метро, человек в шляпе ничем не отличается от кенгуру?
Какая красота!
Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.
Лучшее в мире видео-объяснение нейронных сетей, глубокого обучения, градиентного спуска и обратного распространения