课程内容
我有话说
1/1 K 均值聚类（K-means）
介绍最经典的基于距离的无监督分组方法，说明它如何通过反复把样本划归最近中心、再移动中心位置，直至收敛出若干簇。文章分析初始中心位置和数据规模对聚类效果与效率的影响，并介绍两种常见优化：加速距离计算，以及更合理地初始化中心。适合初学者建立聚类直觉，读完能理解基本原理、迭代收敛过程与常见改进方向。
本课程经原理推导与sklearn实践，讲解K-means及kmeans++优化，解决初始质心敏感与K值选择，帮助掌握聚类建模方法。
介绍最经典的基于距离的无监督分组方法，说明它如何通过反复把样本划归最近中心、再移动中心位置，直至收敛出若干簇。文章分析初始中心位置和数据规模对聚类效果与效率的影响，并介绍两种常见优化：加速距离计算，以及更合理地初始化中心。适合初学者建立聚类直觉，读完能理解基本原理、迭代收敛过程与常见改进方向。
37 分钟 本课程经Softmax瓶颈分析与Huffman树推导，讲解层次Softmax加速原理，解决大词表计算过大，帮助理解概率优化思路。
1 小时 6 分钟 本课程通过编译期与运行期常量对比及反汇编验证，讲解C++编译期计算机制，解决运行时重复计算性能浪费，帮助学习者将计算前移至编译期。
热门 1 小时 26 分钟 本课程讲解 gRPC 编译安装与 Greeter 示例，解决客户端像调本地函数访问远程服务，帮助学习者写 proto 生成客户端。