• 投稿

华盛顿大学课程：“胡说八道”——数字世界数据推理之道

2318
1
2018-04-15 08:20:43
24
22
281
31
http://t.cn/RMdzMhq 【华盛顿大学课程：“胡说八道”——数字世界数据推理之道】《Calling Bullshit: Data Reasoning in a Digital World》 http://t.cn/RMdzMhq videos:http://t.cn/RmWB9pN
AI
机器学习
深度学习
爱可可-爱生活 发消息
新浪微博 @爱可可-爱生活 http://weibo.com/fly51fly
视频选集
（44/56）
1.1 Introduction to Bullshit
07:57
1.2 on Our Own Bullshit
08:34
1.3 Brandolini's Bullshit Asymmetry Principle
06:15
1.4 What is Bullshit
03:07
1.5 The Philosophy of Bullshit (Updated)
11:48
2.1 Spotting Bullshit
08:19
2.2 Sounds Too Good to Be True
05:23
2.3 Entertain Multiple Hypotheses
05:09
2.4 Fermi Estimation
04:39
2.5 Unfair Comparisons
11:39
2.6 Assignment — Bullshit Inventory
06:26
3.1 Correlation and Causation
08:00
3.2 What Are Correlations
05:36
3.3 Spurious Correlations
07:20
3.4 Correlation Exercise
07:09
3.5 Common Causes
10:22
3.6 Manipulative Experiments
04:22
4.1 Right Censoring
13:01
4.2 Means and Medians
15:06
4.3 P Values and the Prosecutor’s Fallacy
11:59
4.4 The Will Rogers Effect
03:31
4.5 Jevin’s Turn
06:15
5.1 Big Data
11:17
5.2 Garbage In, Garbage Out
13:15
5.3 Big Data Hubris
05:59
5.4 Overfitting
06:32
5.5 Criminal Machine Learning
08:29
5.6 Algorithmic Ethics
05:31
6.1 Dataviz in the Popular Media
07:13
6.2 Misleading Axes
07:31
6.3 Manipulating Bin Sizes
05:14
6.4 Dataviz Ducks
07:04
6.5 Glass Slippers
08:46
6.6 The Principle of Proportional Ink
12:06
7.1 Duck Hunting
09:42
7.2 Science Is Amazing, But ...
06:34
7.3 Reproducibility
09:21
7.4 A Replication Crisis
07:23
7.5 Publication Bias
12:29
7.6 Science Is Not Bullshit
04:52
8.1 What Motivates Scientists
10:04
8.2 An Overview of Scholarly Publishing
11:10
8.3 Predatory Publishing
11:29
8.4 Reputable or Questionable
06:43
8.5 Journal Spam
07:34
9.1 The Spreading of Fake News
09:11
9.2 Fake News Definitions and Examples
18:08
9.3 The Ecology of Fake News
08:18
9.4 Sharing as Social Signaling
07:07
9.5 Stamping Out Fake News
04:47
10.1 Four Rules for Calling Bullshit
07:24
10.2 Reductio Ad Absurdum
08:52
10.3 Debunking Myths
09:38
10.4 Deploying Null Models and Tracing the Origin of Falsehoods
04:37
10.5 Counterexamples and Analogies
04:46
10.6 Walk away; Conclusions
02:02

会提问的AI，会思考的学生——从"我不会做"到"我想试试"的智能体设计实战
爱可可-爱生活
7920 4

AI时代，什么才是你真正的饭碗？
爱可可-爱生活
1761 2

快速傅里叶变换(FFT)——有史以来最巧妙的算法？
爱可可-爱生活
39.3万 1443

AI裁员陷阱：一场所有人都在输的理性游戏
爱可可-爱生活
6708 25

【双语字幕】斯坦福CS224W《图机器学习》课程(2021) by Jure Leskovec
爱可可-爱生活
13.8万 1121

AI怎么学会举一反三？——泛化的秘密
爱可可-爱生活
1812 0

AI第一性原理
爱可可-爱生活
1887 0

【双语字幕】哈佛大学《心理学导论》课程(2021) by Steven Pinker
爱可可-爱生活
34.3万 1711

【双语字幕】MIT《数据分析、信号处理和机器学习中的矩阵方法》课程 (Spring 2018) by Gilbert Strang
爱可可-爱生活
14.7万 618

未来最贵的技能，是给AI立规矩
爱可可-爱生活
1697 0

机器学习技法（林轩田）
爱可可-爱生活
16.9万 3508

AI时代，什么工作最值钱？
爱可可-爱生活
1884 0

(企业)智能体落地方法论——从政策红利到业务增长的最短路径
爱可可-爱生活
1249 0

【双语字幕】斯坦福CS231n《深度视觉识别》课程(2017) by Fei-Fei Li, Justin Johnson, Serena Yeung
爱可可-爱生活
21.8万 3528

计算机专业还能学吗？——AI时代的破局指南
爱可可-爱生活
2068 0

【双语字幕】斯坦福CS224n《深度学习自然语言处理》课程(2019) by Chris Manning
爱可可-爱生活
9.9万 1153

AI有灵魂吗？一场价值万亿的幻觉
爱可可-爱生活
1353 6

哈佛大学CS50《计算机导论》课程(2019)
爱可可-爱生活
20.7万 1734

AI是怎么学会脑补的？
爱可可-爱生活
1635 0

【双语字幕】给宝宝看的神经网络书
爱可可-爱生活
11.8万 132
投稿领星琼！
客服
顶部
赛事库 课堂 2021拜年纪