学习分享一年，对神经网络的理解全都在这40分钟里了

[@hermittseng8470]

Up主若去學校教學，一定會是個一流的老師。
我在資工系教了一輩子專業科目(偶而也會講解Neural nets)，也沒Up主講得這麼清楚、這麼容易讓人了解。
謹呈上一句衷心的「佩服」。

[@Murphy-e3r]

我覺得博主很棒，老師也很棒，面對解決真的會讓人一路狂奔進步，李尚義陳韻濃這兩位我就深感看不起，在知識之前的狂妄傲慢，卻又無所作為

[@ieongchimang193]

質量真是相當高，在youtube也是世界級的優質!

[@symbolqin]

由浅入深，讲得非常好，感谢博主的分享！

[@MayQi-i4s]

讲的真好，一直自学这些机器学习的东西，觉得神神乎乎的，听了这个讲座，有点恍然大悟的感觉。我也是长治老乡，认识你，很为这么优秀的年轻老乡骄傲。

[@sw1107]

长治人吗？你在哪生活啊？

[@chenwilliam5176]

王木頭是我截至目前為止所碰過最「甘心」、 最熱心，、最傑出的科普講員 ❤

[@yizheng7501]

真是优质。像这样优质的视频再来十个，每个我看十遍应该就能懂了。

[@JosQiNgMT]

赞同。不只是优。 还很细腻。 把思路换成文字

[@azurewang]

这次的动画也是花足了功夫，紧凑又精准！

[@daily_inspiration_channel]

將一門學問以他人聽得懂的方式描述著實不容易，謝謝您帶來的知識饗宴！

[@lihuitiger2957]

真的讲得非常好，UP主有深厚的数学功底，路赞

[@xiaoxi99cs]

It is so inspiring to see you clearly explain all the deep learning knowledge in one 40 mins video, and it is very easy to understand. Thank you so much!

[@strolltimes]

這篇必須蒐藏！數學的解釋很直觀，不過如果是對數學陌生的初學者，可以先看GrandmaCan那個實際操作範例影片，再回來看這篇的解說就會比較容易理解

[@helloc2606]

建议大家从b站过来的话，多点观看时长，不要只点赞评论，最好第一遍不要在b站看，这样TH-cam或许才会认同这个长视频的值得推荐的程度，不然点进来就只是点赞评论，可能会被认为是刷数据

[@洪好马]

以前只知在电脑上用，并不完全理解，或者说比较模糊，现在就很清楚了。
谢谢王先生。

[@stacystpierre6635]

太厉害了，我本来是来学习机器学习的，这个是最好的导论，也让我保持敬畏，无数次赞叹up数学功底，应用和思考神奇结合，视频做得更好，思维巧妙，数学史如数家珍，我深感数学的奥秘，古希腊logic学派甚有道理

[@ndydiy9963]

目前看到的最好的中文解释，感谢分享！

[@sonnychen4319]

优秀！能让人听懂才是好老师

[@黄旋-b5p]

讲得很不错，看得出下了很多功夫，动画讲义都接近完美，赞👍👍~
*唯一有点不足的，两个向量的点积应该写成 A · B = AᵀB ≠ Aᵀ · B，后者 Aᵀ · B = (Aᵀ) ᵀ B = AB, 两个列向量不能进行矩阵乘积

[@jasonleelawlight]

哈哈 感谢分享 十多年前在学校里学过一点基础的 毕设甚至都做的神经网络相关的内容 但当时人工智能还没这么流行 所以工作就做别的领域了 后来眼见着各种AI的突破 也想过要重新把这些都拾起来 并针对那些后来出现的技术做一些更深入的学习 但是感觉现在工作也不错 而AI可能也已经泡沫化了 所以来回跳可能得不偿失 就懒的一直没学习 油管给我推这个视频可以说是帮我重新学习AI的一个很好的契机 可以让我相对高效又省力的复习/学习 最后再次感谢 频道已经订阅了 其他视频有时间我也会再来看的

[@Non-n3z]

講得太好了感恩

[@user-mike_chen_wenchung]

幸好能看到老師如此清楚的講解。很棒。感謝。

[@joegopher9280]

24:44 数学概率和哲学有时是相通的。水至清则无鱼，百家争鸣，只要是内发的而不是被外宣控制的，有机会从穷举中找到一条适时的路线。

[@forexy6911]

处理AI的问题关键在将资源划分维度，达到精细调整和维度的平衡。这就是策略。

[@ztc106]

非常了不起。希望有出書，這樣方便讀者日後複習

[@leimai7611]

謝謝整理, 祝一生平安

[@eve2533]

好小众的祝福哈哈哈哈哈，不过讲的真的好

[@leodang2035]

非常好的视频，鼓励博主继续坚持下去，做出更多更好的作品！！

[@oliverwang1560]

感谢王木头老师的付出，太棒了。

[@mavichovizana5460]

40:25 最后的学习率应该是不用级联相乘的。每一层用一样的学习率。

[@JamesInKunming]

谢谢您的热心奉献，学到很多； 请继续发表更多的视频。

[@who-care-007]

这个教程真棒！！！

[@中二病少年不會夢遊]

用顏色來區分符號和作用 真的很有用 哪怕是一個新的概念也很好理解

[@gc7042]

Jesus you made the best video to explain the issues, THANK YOU SO MUCH !!!

[@kcl918]

講的好仔細呀，感謝你

[@joeyyang3045]

看起來像是我三十年前在專科學院學的類神經控制理論啊。當時同時學了fuzzy control.對應到車子是上世紀的motronic control 和steptronic control.

[@zhuduncan]

讲的非常好，更像是让数学家构架了一座能和机器学习者思考的方法

[@jingzhao3789]

看了两遍，打卡。

[@ssrlee]

看了很多教學影片，講數學的時候只講數學，不然就只有模型圖沒數學
這片完美結合數學跟模型，清楚的教學動畫，看完更了解變數，分類，特徵，向量，梯度

[@w4n9k4n9]

举的例子和视频配合比较好，讲的真清晰！

[@yuanperry3443]

你怎么能讲的这么好？？？！！！❤

[@iroha-t1o]

不错啊，支持，不是计算机专业的看着挺吃力，慢慢看了

[@techbays675]

视频越做 质量越好了， 支持 木头， 继续做更高质量的视频

[@已法國]

大愛❤，講得太好了

[@ZixuanWang-zb1jp]

感谢博主，真的很清晰！

[@ethanfu7172]

真的让我懂了很多

[@haodeng9701]

质量相当高，讲得非常清楚。我看过很多这类的，没有一个说得这么清楚的，简直是抽丝剥茧。可以打赏吗？然后如果可以出英语讲解的话（不只是字幕），在油管上肯定能有更多关注

[@しろくま-x5n4b]

讲的太好了，期待坚持下去

[@chili8451]

很棒! 感谢博主!

[@ChenXiajie]

心中充满感激之情

[@carolynlin3444]

这个真不错啊

[@cotopboy]

非常感谢！收益匪浅~

[@christinashi2821]

Thank you!

[@jinyuhanedward]

Thanks!

[@sinny0327]

太棒了! 我一直對數學沒有興趣 這是第一次我想嘗試去了解數學

[@guangminwang4152]

厉害 浅显易懂

[@bill9527-c2x]

讲的非常好！

[@XZJAK]

山西老乡，非常好的视频！

[@tangtang-qc4vb]

特别特别好的视屏 谢谢

[@will19181]

感謝你的無私分享, 讓我想通很多東西

[@JohnBrown-fw2oq]

深入浅出～挺不错的👍🏼

[@BH19940]

感謝你的視頻，質量非常高

[@jackxchen5139]

讲的太好了！

[@yangod2908]

非常喜欢你的视频。

[@jamescheung9289]

非常好

[@凱西-k9o]

超優質視頻👏👏期待未來更多精彩內容🙏

[@仚-g7q]

智能进化这么久，太复杂了，可视化讲的非常有用

[@fengmingran1526]

用数学逻辑来展开，真的很有意思，也很启发

[@yingjiaguo8319]

看了两遍，太精彩了

[@DrStevenHong]

善哉善哉!!!

[@jackvz8987]

只能说，良心博主

[@edvinyang5465]

不但视频动态做的好，讲解声宏亮自信让人信服

[@kuranjacci]

感谢！

[@tongcao4865]

赞赞赞，必须支持

[@bala045]

特別推薦 雖然我一遍聽不懂 可能要多聽幾遍了

[@JoJoNumbarOne]

这个视频系列公益意义远大于盈利，我看到一个点赞一个

[@churevan4570]

终于知道机器是怎么实现智能的过程了，视频主好厉害，通俗易懂❤🫡👍

[@awaylau6140]

老师超有才，是博士吗

[@peichang-xw2iq]

作者的动画做的真牛·

[@jasonyau2638]

講得真好，支持 🙌🏻

[@seekerkk]

上的人工智能导论就是视频里的，模型懂是懂了，就是看代码的时候很迷糊

[@zh08720949]

你太优秀了，是个卓越的人

[@liuchanson3]

在讲梯度下降法的时候，为什么直接对Y求最大值，而不是对损失函数呢？

[@賴宇俊]

神了！這木头真的是不簡單

[@niklastang]

太棒了

[@dediver832]

梯度消失不是学习率累积相乘导致的, 学习率每层都是一样的

[@chenwilliam5176]

從數學來看，「機器學習」就是函數「最小化」的過程
😅

[@a23919763]

瞎子摸象

[@guzhengwu]

非常好的视频：），对于初学者有点睛的作用。

[@aliciaguo]

原来我们是老乡啊，听你的讲解收益匪浅，你是二中的吗？

[@dsfdsf35]

33分钟处开始 就稍微有点懵 尤其是为什么反向传播中斜坡一样的sigmoid函数会变成像山脉一样的函数图像 有些不理解

[@luqiufu]

相当优质的视频，谢谢制作！

[@樂咖阿北]

想太多了 什麼不可解釋 都是可以解釋的 否則怎麼會有人格分析這個專業? 人在去做一件事之前 你可能會覺得不可解釋 但是 當你觀察一個人經過一些事情去分析他的邏輯與價值觀以後 你就能預測他的行為模式 哪來的不可預測.......... 如果ai可以收集你在網路上的所有資訊 沒有什麼不可預測的 你的所有背景 你的價值觀 你的行為邏輯 都會變成"可預測"

[@yaoyao6132]

太赞了

[@土王-o5k]

牛，打开我的学习新世界！

[@zhangbd2010]

我在老师讲交叉熵视频里听到一句话“激活函数是神经网络的价值观” 来到这条视频，但看完了也没有找到这句话 ^-^

[@StevenQiang]

三体社会的比喻太精彩了

[@chenwilliam5176]

數學背景需要 線性代數以及微積分😅
並不難，只是離開學校太久，生疏了
😞🚫😔

[@jesseshao]

老师太棒了，加油

[@WenQiangLee-k2o]

牛逼 深入浅出🎉🎉

[@linpengteng]

不明觉厉，学习～

[@chiaominchang]

好強喔 感謝分享

[@LichengBao-to6eb]

thanks，what a terrific video!

[@tank3350]

動畫座標軸可以拉來拉去真的牛逼~

[@J.Sulphur]

制作的很精良，马上关注了