深度学习精华·机器学习基础
什么是机器学习？常见的机器学习方式有哪些？
原题AIGC时代主流的跨周期机器学习算法有哪些？其主要在哪些场景应用？
原题哪些机器学习思想跨越周期在AIGC时代依旧熠熠生辉？
原题一个完整机器学习系统的核心闭环是什么？
原题数据准备与特征/表示构建要经历哪些关键环节？
原题模型训练、验证、评估与迭代如何组织？
原题模型部署、监控与反馈回流如何支撑AIGC和Agent系统持续演进？
原题什么是损失函数、目标函数和奖励函数？它们为什么决定模型学习方向？
原题传统监督学习和深度学习中有哪些基础损失？如何从任务假设出发选择？
原题表示学习和多模态对齐中常用哪些损失函数？
原题AIGC生成模型中的核心训练目标有哪些？
原题大模型对齐、强化学习和AI Agent中常见的优化目标有哪些？
原题如何设计、加权和诊断损失函数， 避免指标好看但系统失效？
原题什么是梯度下降？它为什么是机器学习和深度学习训练的核心引擎？
原题反向传播和自动微分如何把损失传递到每一层参数？
原题为什么实际训练通常使用Mini-batch SGD？Batch Size、梯度噪声和泛化有什么关系？
原题学习率调度、权重衰减、梯度裁剪和混合精度为什么决定训练稳定性？
原题AIGC和AI Agent时代， 优化算法如何延伸到预训练、微调、偏好优化和策略学习？
原题模型融合的本质是什么？为什么它具有跨周期价值？
原题传统机器学习和深度学习中常见的模型融合方法有哪些？
原题AIGC时代模型融合如何从预测融合升级为生成、检索、评审和路由融合？
原题AI Agent中的多模型协同、多智能体协作和工具融合如何理解？
原题模型融合有哪些工程风险？如何判断该不该融合？
原题
暂无题目