月之暗面 Moonshot AI kimi連結: https://kimi.moonshot.cn/
深度求索 DeepSeek - R1 連結: https://www.deepseek.com/
月之暗面 Moonshot AI kimi連結: https://kimi.moonshot.cn/
深度求索 DeepSeek - R1 連結: https://www.deepseek.com/
新聞來源 : 華爾街見聞 https://wallstreetcn.com/articles/3738383
由Policy 、Reward、Search、Learning 四部分技術模組組成....
經過多輪AI大老測試,最佳性價比.....
先初步了解一下 DeepSeek,大家一起學習
基本上,雙方著重的部分可能略有保留和差距,但應該都屬於同一梯隊
這對遊戲開發者和重度玩家很有幫助
這個Type Script是目前APP的開發主流之一
一早洗個澡和聽李宏毅老師Machine Learning的課程分享
這一個月來心情起伏很大........我早就知道機器學習和深度學習的課程難度,理解很簡單,做好不容易,成為專家更是要下苦功....
昨天忙了一整天,晚上跑數字辨識的神經網路,吃GPU結果,發現顯卡不夠力,害我守在電腦前一直到3點多才上床,今天又跑了一整天,直到剛才,整整花了24個小時.....
前天第一次上去參賽,用隨機森林法獲得的分數約0.16749 排名第3336名(準確率83.3%), 第二次搞錯stacking的用法,選用的是分類器,不是迴歸,結果分數慘變0.7多
學習到 連續值採用的是回歸,如房價預測, 但不連續的則是分類器,就是辨識,如辨識座頭鯨,貓狗,數字,所以工具不能用錯
哇喔.....世界盃的考驗,上次的Python大數據作業,只要學會方法繳出作業就過關了....順利拿到證書
但是深度學習和機械學習的認證條件竟然是要上Kaggle和世界的組隊高手比拚....
呼,今天下午終於看完所有的線上課程,到月底還有兩個禮拜的時間,要開始準備程式作業了......再過農曆年前重新充好電再出發
呃,這個課程,真的有點硬啊........但知道其應用的方向後,覺得還蠻有趣的..........下一個世代的應用就是AI了,請大家提早做好學習準備