中国AI之父的199人工智能课我帮你们做小白鼠了

已于 2024-02-21 18:54:27 修改
阅读量1.8k 收藏 9
点赞数 4
CC 4.0 BY-SA版权
分类专栏： 职场 文章标签： 人工智能
于 2024-02-21 18:44:02 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/panda_lin/article/details/136216708

这两天随着Sora的发布，中国AI之父李一舟也一夜火爆全网。

对于AI之父这样的称号，国内群众也是见怪不怪了，毕竟Java之父马X兵，Python之父廖X峰早已喜闻乐见了。不过大家比较震惊的是这位清华李博士标价199的人工智能课几天时间已经卖了5000万，轻松跑通AI盈利模式，这效率怕是OpenAI也要反省一下。

网上各种羡慕嫉妒恨，各种群里的喷的唾沫星子能把人淹死，割韭菜的行为肯定是被定性了。

但是本着没有调查就没有发言权的原则，我来做小白鼠，付了199帮大家看看这个课程到底怎么样。

先说结论，这个课程算不算割韭菜？重要的结论说三遍：

不算！

不算！！

不算！！！

到这里一定有同学要指着我骂了，你丫浓眉大眼的也背叛革命了。但我要说的是这次人家的课真的很有诚意，特别是对于看了直播后愿意掏这199的人，产生的价值绝对不止199。

<
最低0.47元/天 解锁文章

200万优质内容无限畅学
为什么相关性不是因果关系？人工智能中的因果推理探秘
张彦峰的博客
07-19 11万+
因果发现的目标是通过观测数据找出变量之间的因果关系，并用图模型来表示这些关系。这样的因果图能够最好地解释数据的生成过程，即在给定因果结构下生成观测数据的概率最大。因此，因果发现旨在寻找一个最佳的因果图模型，使其能够最好地解释观测数据并揭示变量之间的因果关系。
我不想针对马爸爸，但你们这些人工智能骗局还想忽悠我们多久（上）
Digquant的博客
01-11 1499
“ 眼见为实，但这一定就是真相吗？如果眼前的一切，只是资本想让我们看到的，那我们又如何从资本设下的圈套中，意识到我们深陷其中呢？ ” 大家晚上好，我是Austin。这个题材，信息量很大，内容涉及互联网、人工智能、怪诞心理学、经济学、消费心态学、统计学、传播学等知识，所以我把这个题材，分成上下两部，本期文案为上集，建议大家先加收藏，方便以后消化。 视频的创作灵感来源于三部电影：分别是今年9月的《监视资本主义：智能陷阱》（The Social Dilemma），2019年1月的《隐私大盗》（The Great.
人工智能之父，你知道是谁吗？
qq_42458386的博客
06-22 2万+
约翰·麦卡锡 John McCarthy1927年9月4日出生。发明LISP语言，人工智能之父他因在人工智能领域的贡献而在1971年获得图灵奖。实际上，正是他在1955年的达特矛斯会议上提出了“人工智能”这个概念，被称为“人工智能之父”。2011年10月24日晚上，约翰·麦卡锡与世长辞，享年84岁。有网友就讲：90年代互联网才在中国兴起，说见不到年老的程序猿，正常！就算某程序猿从那个时候开始敲代码...
“老板让用 AI 工作后，我变身‘小白鼠’：工作量翻倍，但工资不变！”
优快云资讯
07-25 3842
整理 | 郑丽媛出品 | 优快云（ID：优快云news）自去年 11 月底 ChatGPT 横空出世，有关 AI 如何帮助人类提高生产力的话题就不曾停歇，科技界对于 AI 的评价也达到了空前高度：▶ 今年 1 月，微软 CEO 萨提亚・纳德拉在电话会议中表示：“AI 浪潮将影响技术堆栈的各个环节，为人们提供新的解决方案、创造新的机会。每当我们考虑平台新机遇时，AI 便是答案。”▶3 月，比尔...
人工智能与心理学（人工智能最终方向）
chaishen10000的专栏
10-18 1万+
心理学实际上是人工智能的基础理论之一。 包括：心理学对人工智能的影响+人工智能对心理学的发展。 1、心理学对人工智能的影响 人工智能的方法学可以认为三种代表性的学派：符号主义、行为主义和联接主义。 实际上符号主义和行为主义都代表了最基本的心理学理论：逻辑推理心智研究与行为主义心理学。行为主义侧重从试验来验证理论猜想，而符号主义则侧重于建立完整的公理系统。联接主义的代表是以神经网络模型为代表的神经计算，这可以认为于心理学关系最小。因此心理学，及其衍生的心智哲学等可以认为是人工智能的基础支撑理论之一，比
人工智能 : 第三篇”脑机接口“
热门推荐
yihuliunian的博客
05-11 2万+
本文作者Tim Urban： Wait but Why的作者Tim Urban 是埃隆马斯克（特斯拉/SpaceX创始人）强烈推荐的科技博主。他写的AI文章是全世界转发量最高的。他的粉丝还包括：Facebook创始人马克扎克伯格，Facebook COO谢丽桑伯格等。Tim也是TED演讲平台上有史以来最受欢迎的演讲者之一。 在一个由人工智能和“其他所有生物”组成的未来， 人类只有一条出路：...
GMIC 2018大会AI 生万物 嘉宾分享摘要
简言
05-29 1675
4月26-28日举办的GMIC全球移动互联网大会， AI 生万物人工智能是今年的主旋律。大会的嘉宾有来自全球业界顶尖领袖，李开复、Yann LeCun、Michael Jordan等等重量级嘉宾，针对AI现状与未来、AI技术引用与创新、AI的下一个五年等话题进行讨论与分享。如下为嘉宾的重要分享精华，以及自己的补课内容。AI 的应用领域普及AI+手机    对于华为的AI而言，主要体现在AI定制芯片...
人工智能与心理学
Donsa 的博客
10-13 806
心理学实际上是人工智能的基础理论之一。包括：心理学对人工智能的影响+人工智能对心理学的发展。和。。行为主义侧重从试验来验证理论猜想，而符号主义则侧重于建立完整的。联接主义的代表是以模型为代表的，这可以认为于心理学关系最小。因此，及其衍生的等可以认为是人工智能的基础支撑理论之一，比如：目前人工智能领域的很多强化学习理论都直接来源于心理学。实际上，人工智能目前还是下面的一个分支，尽管国内外很多专家都呼吁把人工智能从。
【连载】人类唯一的出路：变成人工智能（二）脑机接口
m0_37586850的博客
10-23 766
在一个由人工智能和“其他所有生物”组成的未来， 人类只有一条出路：“变成人工智能。”本长文作者是Tim Urban，之前火热的文章《为什么有很多名人让人们警惕人工智能》也...
英国议会上院AI报告AI in the UK-ready, willing and able附原文183页(赞赏后下载ZIP包)
数据简化DataSimp社区
06-06 3461
英国议会上院AI...
《结构信息论》——结构信息论Ⅰ：信息处理的数学原理
qq_41614419的博客
12-28 2487
信息处理的数学定义： 给定一个系统S，对于S的信息处理就是在S中区分规律和噪音。 一个基本任务就是： 从一个可观察的数据系统中编码出“规律”。 1 香农的信息论 给定一个概率分布p = (p1, p2, · · · , pn)，则香农熵定义为： 其中 p_i 表示 i 被选中的概率，而− log2 p_i 表示 i 自己的信息量。那么求和就可以得到概率分布 p 的信息量的期望（或者说不确定性大小）。 香农的信息论是当前信息技术的理论基础，尤其在通信领域起着基石的重要作用，如下所示： 它确定了信息
2022暑初二信息竞赛学习成果分享1
C2024XSC249的博客
07-14 950
STL 二叉堆 DP 并查集 树状数组 Hash 图 最短路
opencv学习（图像梯度）
weixin_63566653的博客
07-26 1506
在图像处理中，图像梯度（Image Gradient）是描述图像中像素值变化率的概念，是理解图像中 “哪里发生变化” 以及 “变化有多剧烈” 的核心工具。从简单的 Sobel 算子到复杂的 Canny 算法，本质都是通过梯度分析实现边缘提取，是计算机视觉中处理图像结构的基础。
Datawhale 科大讯飞AI大赛（模型蒸馏）
1ncludeSteven
07-27 1347
使用教师模型蒸馏学生模型（小模型），使得学生模型尽可能在数学推理任务中表现更好，评分标准由4个指标组成：Overall Score=0.4×AS+0.3×CQS+0.2×ES+0.1×MLS。通过上述方法构建了3个对应的数据集，目前想要对最终的模型使用的数据集进行消融实验，训练及评分过程较慢。三个数据集合并后共包含2126条数据。模型微调后，创建应用，发布服务即可提交赛题，目前赛题评分中，待更新最后分数。
AI算法实现解析-C++实例
最新发布
keny-大成的博客
07-29 1683
本文摘要： 本文汇总了基于C++实现的多种AI/机器学习技术，涵盖计算机视觉、自然语言处理和强化学习等领域。主要内容包括： 计算机视觉： 目标检测（YOLOv3/YOLO Tiny） 人脸识别（OpenCV Haar级联/OpenFace） 图像风格迁移（OpenCV DNN模块） 特征匹配（SIFT/Lucas-Kanade光流） 自然语言处理： 文本分类（朴素贝叶斯/TF-IDF） 语言模型（N-gram/Word2Vec） 文本生成（LSTM/GRU） 情感分析（FastText/深度学习） 强化学习
AI模型训练中过拟合和欠拟合的区别是什么？
workflower的博客
07-28 1273
定义：模型未能充分学习到数据中的规律，对训练数据的拟合程度较差，在训练集和测试集上的表现都不好（如准确率低、损失值高）。- 定义：模型过度学习了训练数据中的细节（包括噪声和随机波动），导致对训练数据拟合效果极好，但对未见过的测试数据泛化能力差。- 表现：训练集性能极好（如准确率接近100%），但测试集性能明显下降，两者差距很大。- 表现：训练集和测试集的性能指标（如准确率）都较低，且两者差距不大。- 过拟合：模型“学太死”，只对训练数据表现好，对新数据没用。- 模型结构过于复杂（如参数过多）；
RoPE：相对位置编码的旋转革命——原理、演进与大模型应用全景
拒绝AI玄学，只聊真技术▲
07-26 2652
RoPE通过几何旋转的统一框架，实现了位置编码的相对性、可逆性与外推性的平衡，成为大模型位置感知的基石技术。跨模态统一：N维李群框架支撑视频、3D点云位置建模动态频率学习：替代预设θbaseθbase​，实现任务自适应编码鲁棒性增强：融合FoPE思想抵抗深层频谱损坏RoPE的本质是将位置关系映射为复数空间的旋转群——它不仅是Transformer的“位置感知器”，更是AI理解时空的数学透镜。当旋转矩阵的维度从文本扩展到图像、视频乃至物理世界，位置编码的数学之美正在重构AI对世界的认知方式。
人工智能时代的战略竞争优势商业模式创新培训讲师培训师专家咨询顾问唐兴通谈个性化在制造业金融业医疗医药石油化工SARS软件行业大客户营销与销售背后的价值
Akibfrycc的博客
07-26 1235
这让我想起《孙子兵法》中的"迅雷不及掩耳"——当你的竞争对手还在为季度营销计划绞尽脑汁时，真正的领导者已经构建了能够同时运行数百个覆盖数百万客户的实验系统，在短短几天内就能提取洞察，并将其融入下一轮互动。他们深谙个性化的真谛：结合智能整合与自动化，在敏捷团队中跨越功能孤岛，将测试和学习的时间线压缩至小时级别，月度实验数量提升至数千个。真正的个性化能力竞争是组织能力的竞争。今日，不知多少企业迷信于购买昂贵的营销自动化平台，招揽数据科学家，实施CRM系统，却依然无法真正理解客户，更遑论预测需求、创造价值。
AI崛起后，对使用AI的一些小思考
2303_81991798的博客
07-29 862
AI编程工具的快速发展极大降低了技术门槛，使普通用户也能轻松制作静态网页等项目。然而，真正的技术壁垒在于后端开发、SEO优化等专业领域。开发者需从用户需求出发，关注解决实际痛点而非技术本身。在变现方面，需设计符合用户心理的定价策略，如免费增值模式和小额支付。面对大厂竞争，应通过优化体验、建立品牌等方式提升用户粘性。AI时代，创意和服务能力比技术实现更重要。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值