麻省理工的新公开课，非常值得一看！

陈天奇：机器学习系统，长期主义，初心，XGBoost MXNet，TVM，MLC LLM，OctoML，CMU，UW，ACM班 当我问陈天奇，你会对十年前二十年前的陈天奇说些什么时，他沉默了近20秒说—— “可能要反过来，我需要过去的我对现在的我，现在的我对未来的我说，记住自己对自己的承诺，坚持自己的理想，往下走下去” 那一刻我被真正感动了——因为我真正看到一个真正的理想主义者，过去二十年机器学习的历史， XGBoost、MXNet、TVM、MLC都是不可磨灭的精彩印迹，而在这几个项目名背后，有一个共同的名字，他就是本期播客嘉宾陈天奇。过去 15 年，陈天奇把让机器学习模型更轻、更快、更易部署做成了一条清晰的技术主线。从最早的把树模型系统推到极致的XGBoost，到最早的深度学习框架之一 MXNet，再到开创深度学习编译领域的TVM，和今天希望把大模型跑上所有设备的MLC LLM。 陈天奇在机器学习系统这条路上已经走了快 20 年——从陈天奇的视角看这 20 年的激荡会是什么样的风景？在这期播客，你会听到： 我和陈天奇会把他的每一个开源项目都拆解清楚——他们为什么诞生、如何长成、在哪里拐弯。 也会走进陈天奇的个人经历——年少如何与计算机相遇，高二的时候如何自学写编译器，在交大 ACM 班打下系统功底，在 UW 的科研突破，到最后同时走向创业和教职两条路。 更重要的我们还聊到了陈天奇的底层价值观——长期主义如何落地，如何在不确定性中坚持敢失败的勇气和初心。在科研、创业、教职三条路都获得成功后，陈天奇在筹划着什么样的下一步？ 这里是WhynotTV Podcast——现在，请和我一起进入陈天奇的世界。 #机器学习 #ai新星计划 #人工智能 #CMU #深度学习

斯坦福的208页几乎解决所有因果推断问题！ 《Causal Inference: A Statistical Learning Approach》是统计学习与数据科学领域的里程碑著作，由统计学和机器学习专家共同撰写.书中系统梳理了潜在结果模型、Rubin因果模型等经典理论，并融合最新机器学习算法，如倾向得分匹配和工具变量法，用于解决选择性偏差和内生性问题。书中不仅深入解析理论，还通过医学试验、在线广告等丰富案例展示因果推断在实践中的应用。它为学术界提供最新理论进展和研究方向，为工业界搭建理论与实践的桥梁，适合各类读者学习。 #斯坦福 #因果推断 #数据科学 #机器学习 #人工智能

最强AI工作流工具n8n终极入门教学｜从业余小白到职业高手 这个视频的目的 是让任何不懂n8n的小白 跟完视频之后 有能力实现所有这些AI自动化系统 ，稍加练习，变成能去接单给客户做AI自动化系统的职业选手，我会在接下来的时间中尽全力做到这一点。 我是木子，图卢兹大学的机器学习博士，一直工作在在航空航天，金融软件等行业，致力于将AI系统用的生意，工作和生活中。 废话不多说 我们直接开始教程。 0:00 开头 0:18 介绍-什么是n8n? 2:02 介绍-n8n能做到什么? 3:54 介绍-为什么选择n8n? 4:50 介绍-如何部署n8n? 6:54 介绍-如何官方云部署? 7:38 介绍-如何子托管云服务器? 9:52 介绍-如何本地部署? 12:58 理论-认识界面 14:50 理论-认识触发节点 19:32 理论-认识AI Agent和外部应用节点 24:49 一起做第一个工作流 28:39 理论-熟悉API 34:03 理论-设置http request节点 37:42 理论-数据结构 46:15 理论-数据处理节点 59:03 实战-构建AI自动化工作流 #2025开学季 #AI新星计划 #这可能是抖音AI学习资源的天花板 #开学的精选

熬夜看完，麻省理工的公开课已next level！ #人工智能 #ai #机器学习 #深度学习 #pytorch