机器学习机器学习基础之支持向量机SVM实现原理与应用
主要讲解支持向量机SVM的实现原理与应用，包括SVM的应用场景、线性可分SVM的数学推导、近似线性可分SVM的数学推导、核函数的引入与Mercer定理、 SVM如何解决多分类问题、基于SVM的人脸识别和凸优化理论（包括KKT条件、拉格朗日对偶问题与凸优化问题的强对偶性等），提供可运行源代码。
共5节 19人已学习¥12.0 免费试学
AIGC/LLM大模型之MCP协议从理论到实践
MCP协议从理论到实践课程目录（总共6节课） 1.MCP协议的通信流程 2.MCP协议的消息交换格式JSON-RPC 2.0 3.MCP协议的主要通信机制SSE+Streamable 4.MCP协议的安全框架TLS+OAuth2.0 5.MCP协议的典型应用Agent+RAG 6.MCP协议应用实践案例（Spring AI） 本课程主要讲解MCP协议的通信流程、MCP 协议的消息交换格式JSON-RPC 2.0、MCP 协议的主要通信机制SSE+Streamable、MCP协议的安全框架TLS+OAuth2.0、MCP协议的典型应用Agent+RAG以及MCP协议应用实践案例。
共6节 30人已学习¥60.0 免费试学
AIGC/LLMTransformer 核心注意力机制详解：从理论到实践
一、课程概述 本课程通过中文句子"我喜欢吃苹果"及其英文翻译"I like to eat apples"为实例，系统讲解Transformer中的四种核心注意力机制：自注意力机制、多头自注意力机制、掩码自注意力机制和交叉注意力机制。所有讲解均配有可运行的PyTorch代码。二、课程目录（总共9节课）1.Transformer从理论到实践之自注意力机制概念与相似度应用场景 主要讲解自注意力机制概念、向量相似度的计算与应用场景。2.Transformer从理论到实践之自注意力的计算与QKV三种角色 主要讲解讲解自注意力机制的计算细节和Q、K、V三种角色的作用以及案例。3.Transformer从理论到实践之注意力权重应用场景 主要讲解注意力权重在机器翻译、文本摘要的应用场景，大模型的统计规律性以及大模型的理论基础之一：大数定律，交叉熵损失函数的本质。4.Transformer从理论到实践之多头自注意力工作原理 主要讲解多头自注意力机制的工作原理、计算细节以及代码实现。5.Transformer从理论到实践之编码器逐层处理过程 主要讲解残差连接、归一化和前馈神经网络的计算细节以及编码器代码实现。6.Transformer从理论到实践之掩码矩阵数学原理与KV缓存 主要讲解掩码矩阵数学原理和推理阶段掩码矩阵动态变化过程以及KV缓存的代码实现。7.Transformer从理论到实践之交叉注意力应用场景 主要讲解训练阶段的Teacher Forcing机制和机器翻译中掩码矩阵动态变化过程，代码实现以及交叉注意力在机器翻译、多模态视觉问答中的应用场景。8.Transformer从理论到实践之Linear层与Softmax 主要讲解机器翻译中KV缓存执行细节，为什么不缓存Q ? Linear层权重矩阵和Softmax计算，Linear层代码实现。9.Transformer从理论到实践之对比RNN与CNN 主要讲解Transformer vs RNN与CNN 以及 Vision Transformer vs CNN
共10节 40人已学习¥160.0 免费试学
云计算基础架构Linux CFS调度器实现原理及源码解析
本课程主要讲解Linux内核CFS完全公平调度算法的设计原理及源码解析，主要包含CFS支持的负载均衡、组调度、带宽控制、主要的数据结构红黑树及CFS源码解析等，总共15节课。主要讲解内容(基于Linux 4.18.10)：1、为什么用vruntime来体现CFS的设计理念？2、CFS调度算法为什么采用红黑树？红黑树的优势3、CFS带宽控制的实现代码及应用场景4、唤醒抢占的代码实现细节及唤醒进程vruntime的计算5、进程的调度实体被迁移到空闲CPU时vruntime的计算（板书讲解）6、在调度算法中进程的调度实体插入和删除红黑树的具体细节7、CFS组调度在公平调度算法的实现8、高精度定时器在公平调度算法的作用9、时钟中断在CFS调度算法的主要作用其中：1-7为CFS基础理论讲解（包含板书讲解，部分源码讲解） 8-15为CFS源码讲解
共15节 30人已学习¥160.0 免费试学
- 1
吕志勇
内核算法工程师
国外通信技术公司工作8年，6年高校教学工作经验，5年Linux内核技术栈培训经验，具备良好的逻辑思维能力，思维缜密，优秀的数学功底和算法设计能力。
课程数 4 学生数 119