筛选结果
11 篇排序
2:44:16EN → 简体中文11 岁时的智商能预测 80 岁是否健在:Richard Haier 谈心理学想要掩埋的发现嘉宾 Richard Haier · 主持 Lex FridmanLex Fridman 与心理学家 Richard Haier 谈 g 因子、《钟形曲线》、群体差异,以及智力研究为何成了该领域最烫手的话题。
2:02:45EN → 简体中文偷代码:让算法跑起来本身一分不给主持 Lex FridmanCharles Isbell 和 Michael Littman 与 Lex Fridman 聊了为什么机器学习不只是统计,为什么挣扎必须保有希望,以及 6600 美元的在线硕士到底卖的是什么。
2:08:26EN → 简体中文精彩的讲座留不住:Grant Sanderson 谈费曼、恐惧与按下发布嘉宾 Grant Sanderson · 主持 Lex Fridman3Blue1Brown 的创作者与 Lex Fridman 聊了为什么最讨人喜欢的讲解也可能失败,为什么他羡慕贝尔实验室,以及为什么最有资格教学的专家,往往最不愿意发布内容。
1:10:16EN → 简体中文大多数人看到黑裙子,Stephen Schwarzman 看到的是白线头嘉宾 Stephen Schwarzman · 主持 Lex Fridman黑石集团(Blackstone)联合创始人谈模式识别、创业为何是团队运动,以及美国为何不能在 AI 上浑浑噩噩。
1:29:10EN → 简体中文Andrew Ng:AI 最难的部分,很少出在算法上嘉宾 Andrew Ng · 主持 Lex Fridman在与 Lex Fridman 的对谈中,Ng 讲述了自己从深夜录制 Coursera 课程,一路走到工厂车间的经历,并认为杂乱的数据、良好的习惯和从小处着手,比炒作更重要。
1:18:35EN → 简体中文Sebastian Thrun 最不想接的工作,是他已经做得很好的那一种嘉宾 Sebastian Thrun · 主持 Lex FridmanLex Fridman 与 Sebastian Thrun 对谈,聊学习、安全,以及为什么堵车是一种选择。Thrun 是 Stanley(谷歌的自动驾驶汽车)、Udacity 和 Kitty Hawk 背后的机器人学家。
49:53EN → 简体中文Gilbert Strang 仍然用粗粉笔和四个子空间教书嘉宾 Gilbert Strang · 主持 Lex Fridman这位 MIT 线性代数传奇人物与 Lex Fridman 谈论 OpenCourseWare、奇异值、把神经网络看作一百万次折叠,以及为什么微积分占去了本科课表的大头。
1:44:11EN → 简体中文一块 GPU 就够了:Jeremy Howard 谈如何教深度学习嘉宾 Jeremy Howard · 主持 Lex Fridmanfast.ai 创始人在与 Lex Fridman 的对话中说,真正决定深度学习(deep learning)能否帮到人的,是领域专家,再多的论文或 TPU 都无济于事。
1:28:53ENMachine Learning for Business Students: Powerful, Narrow, and Easier to Fool Than You Think嘉宾 MIT Sloan · 主持 Lex FridmanLex Fridman's non-technical MIT Sloan lecture explains how machine learning works, why it is so capable at perception, and where it still breaks in the real world.
26:45ENStart Small, Build Habits, Pick Your Team: Andrew Ng's Practical Advice for Learning Deep Learning嘉宾 Andrew Ng · 主持 Lex FridmanIn a clip from the Lex Fridman Podcast, Andrew Ng explains how to begin in deep learning, how to study effectively, and how to choose a career path.
1:02:06ENDeep Learning for Self-Driving Cars: Why Edge Cases and Human Nature Are the Real Problem主持 Lex FridmanLex Fridman opens MIT's 6.S094 with a tour of what deep learning is, how it works, what it has achieved and where it still breaks, framed around autonomous vehicles.









