您可能应该了解的有关“机器学习”的知识

一个人的好建议。 不适用于机器。 这只是所谓的(我)计算谬论的一个例子,描述了当我们将特征/行为/属性/技能/能力应用于只能正确地应用于整体(大部分完好无损)的机器和计算机时出现的逻辑矛盾。人类和一些(非人类)动物。 机器学习这个词是(我)经常引用的这种谬论的例子之一。 当两个单词(按照它们的定义)按该顺序组合时,将产生一个逻辑上矛盾的术语,并在逻辑上是不可能的东西的产生,即学习机器。 机器无法学习,如果不再这样做,它将不再是机器。 尽管这是个废话,但荒谬的计算机“科学家”和技术炒作的实践者仍在继续使用它,但效果却丝毫不减。 显然,他们认为,自从人类意识开始出现以来,就已经违反了公认的普遍定律(逻辑定律),这是有事实根据的,因为其他所有人都在这样做,而且没有人对词语的含义或逻辑给予任何废话。 它听起来既性感又酷,并且在薪水变现和/或给予写作时间时毫无疑问地填补了ole的皮夹,这并没有什么坏处。 在单词“ deep”之前打上一个“深金”。 从字面上看,它是虚拟的,不是真实的,不是真实的东西,机器是无法学习的。 他们没有能力进行“监督”学习或“无监督”或“强化”学习。 他们没有能力学习数字,字母,单词,概念,定义甚至算法。 您知道最常见的机器学习算法列表中的所有算法都有什么共同点,它们都是简单的旧算法,其中许多是自古以来就存在的东西,早在机器没有学习时就出现了,这恰恰是从那时到今天 是不是很困惑? 用一个或什至全部对机器/计算机进行编程不会神奇地使所述机器学习,而是使所述机器具有使用所述算法进行计算/计算的能力。 不知道这对了解机器学习是否有用,但我认为您可能应该知道。

硕士课

经过多次辩论,我终于获得了大师班。 180美元的价位对于大学生来说似乎有点不舒服,但是当我看到播放列表功能时,我已经知道这是值得的投资。 最让我着迷的是它毫不费力地推出了通过类似于Netflix的界面教授隐性知识的平台的能力。 与显性知识相反,隐性知识是一种难以通过口头传递给他人的知识。 做饭,打网球,玩乐器或设计的能力不是很明确的知识。 具有讽刺意味的是,这些领域的佼佼者很少能确切地告诉您他们如何成为大师。 他们只能告诉我们他们所知道的。 大师班似乎发现,制作大师很少是关于他们的技能,而是他们的性格,他们对生活的看法,他们的思维方式,他们传达自己的才能的能力。 通过“播放列表”功能可以非常优雅地捕获这些内容。 这些小小的智慧就像我们在学习过程中遇到障碍时所采取的处方。 对于每个主题(例如“从他人那里寻找灵感”),我都很喜欢,它是来自不同领域的大师的汇集,显示了各个学科之间的相互联系和首要原则。 这很重要,因为在一个人的各自领域内传播视力非常容易,并且会迷失在该气泡的细节中。 我们专注于速度而不是速度,而不是方向。 我正在设计教学大纲以学习,而看到Masterclass给我一些启发,提供了我自己的学习结构。 我决定一种新的学习方式包含四个主要组成部分: (1)动机 动机是关于为什么我想学习我所学到的东西。 为什么这很重要?…

比较学习理论

有很多不同的学习方法。 我们都有自己的学习和教学经验,但是对于我们大多数人来说,很少有时间花时间去思考这一切是如何发生的。 在本文中,我将通过总结它们的核心原理,以及从我作为学习者和/或老师的经验中提取的示例,对几种不同的学习理论进行比较。 行为主义 理论—行为主义是一种经典方法,在这种方法中,培训师会向受训者展示正确的方式来对特定刺激做出反应或表现,并通过考试,测验,指导性练习等测试来衡量他们的反应。受训者的行为正确,他们将从培训者那里得到正面或负面的回应。 正面回应可能很简单,例如口头赞美,正面强化,奖励,等级或特权。 在行为主义中,培训者的作用是提出明确的期望,并为学习者创造机会(或刺激),以证明其期望的行为作为回报。 (或响应)。 示例—我在学校工作,并且建筑法规规定必须有10名员工必须参加灭火器培训班。 因此,上周我去了消防局接受培训,并以此为契机来观察学习模型。 我们都站在外面,旁边有一个以丙烷为燃料的火坑,正在训练我们的消防员清楚地说明了有效,安全地扑灭大火所需的步骤。 他在评论时展示了预期的顺序,这使其看起来非常简单。 然后,他点燃了火炉,并要求我们所有的受训人员轮流灭火。 有趣的是,在我们进行练习时,培训师会向我们施加压力。 他大喊大叫(以类似军队的方式!)来营造一种恐慌和紧迫感,仿效如果我们发现自己必须扑灭真正的大火,可能会遇到的环境和心态。 在我们进行演习时,培训师将提供正面和负面的强化。 如果我们做错了什么(非常可笑),他真的对我们大喊大叫,在某些情况下让我们重复练习。 他还赞扬我们所做的出色步骤,并在演习结束时为我们鼓掌。…