LLM原理完整回顧 - 大型語言模型整體脈絡最詳細剖析https://youtu.be/hOzkmF9Cv3Y✴︎ 數學基礎：張量，機率，微積分✴︎ 線性迴歸：模型之母✴︎ 邏輯迴歸：隱藏因數✴︎ 計量經濟學的啟示：他山之石✴︎ 最佳化演算法：參數估計✴︎ 反向傳播：神經網路的工程基礎✴︎ 多層感知器：神經網路的「創世記」✴︎ 卷積神經網路：深度學習的「出埃及記」✴︎ 循環神經網路：嘗試理解人類語言✴︎ 大語言模型：是通用人工智慧的開始嗎✴︎ 強化學習：在動態互動中進化✴︎ 其他經典模型：決策樹，隱馬可夫模型，聚類與降維，奇異值分解

唐亘資料科學家，專注於人工智慧和巨量資料，積極參與Apache Spark、scikit-learn等開放原始碼項目，曾為華為、復旦大學等多家機構提供過百餘場技術培訓。曾撰寫《精通數據科學：從線性回歸到深度學習》一書，並擔任英國最大線上出版社Packt的技術審稿人。畢業於復旦大學，獲數學與電腦科學雙學士學位，後求學於巴黎綜合理工學院，獲經濟學和資料科學雙碩士學位。