第27章 我的温博士无所不能嘤嘤嘤[第2页/共3页]

数据发掘？

啪！

明白了吗？

温：骗你干甚么。

葛瑶儿看这一段话人都犯傻，等会儿……

不像林贝报的那所野鸡大学，每年都能去三四个读研的，大把的学长，研一研二研三凑得齐齐的。

温：嗯，你就叫我温博士吧。

真是人比人气死人！

温：……还行吧。

说实话是真是假她真的不清楚，

温：凸优化是最优化的一个子范畴，简朴来讲就是定义在凸集合的凸函数的最小化题目，凸优化的利用代价比较高，以是研讨的很多。而凸题目的部分最优解就是全局最优解，再加上凸优化实际中的Lagrange对偶，供应了凸优化算法最优性的包管。

这花不了几分钟。

脸不红心不跳。

葛：行，那我下单了。

还是没反应，

谈天到此结束，温晓光去打印，然后发货。

教员起码有一个代价，那就是给一个很明朗清楚的重点，节流了相称多的时候。

而最优化就是奉告模型应当学甚么、如何学的东西。在数学上，模型学习常常是一个映照函数，也就是模型中的参数，这个参数的吵嘴通过答案表现，如果不敷好，最优化便能够帮忙调剂，

有了白事，对于开门做买卖是很有影响的，正因为此，门前几近没甚么人。

别的一些非凸题目通过必然手腕能够等价化为凸题目或者用凸题目近似、逼近获得鸿沟，比如深度学习，此中关头的Back Propagation算法，本质就是凸优化算法中的梯度降落法，即便题目极度非凸，梯度降落还是有很好的表示。

葛：350有点贵啊……

葛瑶儿翻白眼：你真的是江理的嘛？

温晓光心一沉，又等了三秒，

没反应，

小女人一看，是昨晚加阿谁qq号有反应了，奇异了，

他悄悄一鼓掌，就是说嘛，这渣滓电脑总不至于和仆人一样笨。

这么说明白了吗？

温：统统真题都是我手写的，这代价还附带前面的答疑的。

神经收集？

现在是早上还没到7点的时候，又是周末，

她是那种一边在床上喊着我好饿，但是就不下床吃东西的人。

他估摸着能够会有人加他，因为他写了售后在线答疑，这对于考研的人来讲，相称贵重，

葛瑶儿勉勉强强能看懂一些，毕竟说的那么简朴，再看不懂就是智障了。

尝试室里的葛瑶儿公然眼睛放光：嚯，还是博士啊！

温：下了单，你便能够问我题目了，明天就是周日。

以是答案是当然有，并且很有，但是…他是想人家买他东西的，以是给了个标准的，说和说没说一样的答案。

老爷机预热三分钟，起首登上本身的qq，再到本身的店里，

葛：那完了呀，我连真题看着都吃力！

温：感谢。

以是应当会有人加他，

温：嗯，不必惊骇，有要求一是将来非论是机器学习，数据发掘还是深度学习的神经收集，即便你应用一些简朴模型，最优化的实际与算法都有比较遍及的利用，别的一个是出题的阿谁教员善于数学也正视数学，以是才有这么个要求，不过它对这方面的要求也只限于体味，题目都很简朴。

传说有电子产品爱好者，每个品牌的旗舰机他都买，拿到手拍个手机盒子发个朋友圈，然后再退归去。