Telegram Group & Telegram Channel
Одиннадцать вопросов ИИ (для изучения математики и всего прочего)

Меня часто спрашивают...

Говорят, в эпоху модерна важно было наизусть знать основные факты, в эпоху постмодерна – где их найти. А в эпоху больших лингвистических моделей – как наиболее эффективно извлекать информацию по ходу диалогов на естественном языке.

В связи с этим решил описать свою "познавательную стратегию", направленную на ускорение обучения с применением LLM-ок. Применяю в основном в изучении математики, примеры соответствующие.

Общий план знакомства с новой концепцией такой:

1. Основные определения и алгоритмы
2. Связь с другими предметными областями через общие математические объекты
3. Допущения, нюансы, пресуппозиции
4. Перепроверка

Вопросы, которые задаю LLM-ке на каждом шаге соответственно, приведены далее. Стоит иметь в виду, что по-русски все современные LLM дают ответы значительно более низкого качества, перевод дан для удобства.

Основные определения и алгоритмы

1. Что такое X / What is X?

Пример: что такое сигмоида?

Вариации:
– Я всё ещё не понимаю X / I still don't understand X.
– О чем здесь речь / What's described here?

2. Напиши формулу для X / Write formula for X.

Пример: напиши формулу сигмоиды.

И наоборот:
– Объясни по-русски / Explain in plain English.

3. Как X делается по шагам / How X is performed, step-by-step?

Пример: как делается градиентный спуск, по шагам?

Связь с другими областями

4. Как связаны X и Y / How X implies Y?

Пример: как связаны MLE и лосс-функция логистической регрессии?

5. Объясни X, не упоминая Y / Explain X without referring to Y.

Пример: объясни логистическую регрессию, не упоминая GLM.

6. Объясни X с точки зрения Y / Explain X from the perspective of Y.

Пример: объясни MLE с точки зрения статистики.

7. X это то же, что Y / Is X the same as Y?

Пример: эквивариантность (equivariance) это то же, что естественное преобразование (natural transformation)?

(Прим.: один из вопросов, показывающих кардинальное превосходство LLM-ок над поисковыми системами в данной области. Выдачу гугла надо фильтровать и разбирать, LLM-ка сразу даёт резюме.)

Допущения, нюансы, пресуппозиции

8. Почему должно быть X / Why must be X?

Пример: почему в логистической регрессии log-odds должны линейно зависеть от признаков?

9. Что обычно упускают, рассказывая об X / What is usually omitted, when they speak of X?

Пример: что обычно упускают, рассказывая о логистической регрессии?

10. Какие базовые предпосылки X / What are basic assumptions of X?

Пример: какие базовые предпосылки логистической регрессии?

Перепроверка

11. Является ли этот конспект/решение корректным / Is this cheatsheet/solution correct?



tg-me.com/metaprogramming/406
Create:
Last Update:

Одиннадцать вопросов ИИ (для изучения математики и всего прочего)

Меня часто спрашивают...

Говорят, в эпоху модерна важно было наизусть знать основные факты, в эпоху постмодерна – где их найти. А в эпоху больших лингвистических моделей – как наиболее эффективно извлекать информацию по ходу диалогов на естественном языке.

В связи с этим решил описать свою "познавательную стратегию", направленную на ускорение обучения с применением LLM-ок. Применяю в основном в изучении математики, примеры соответствующие.

Общий план знакомства с новой концепцией такой:

1. Основные определения и алгоритмы
2. Связь с другими предметными областями через общие математические объекты
3. Допущения, нюансы, пресуппозиции
4. Перепроверка

Вопросы, которые задаю LLM-ке на каждом шаге соответственно, приведены далее. Стоит иметь в виду, что по-русски все современные LLM дают ответы значительно более низкого качества, перевод дан для удобства.

Основные определения и алгоритмы

1. Что такое X / What is X?

Пример: что такое сигмоида?

Вариации:
– Я всё ещё не понимаю X / I still don't understand X.
– О чем здесь речь / What's described here?

2. Напиши формулу для X / Write formula for X.

Пример: напиши формулу сигмоиды.

И наоборот:
– Объясни по-русски / Explain in plain English.

3. Как X делается по шагам / How X is performed, step-by-step?

Пример: как делается градиентный спуск, по шагам?

Связь с другими областями

4. Как связаны X и Y / How X implies Y?

Пример: как связаны MLE и лосс-функция логистической регрессии?

5. Объясни X, не упоминая Y / Explain X without referring to Y.

Пример: объясни логистическую регрессию, не упоминая GLM.

6. Объясни X с точки зрения Y / Explain X from the perspective of Y.

Пример: объясни MLE с точки зрения статистики.

7. X это то же, что Y / Is X the same as Y?

Пример: эквивариантность (equivariance) это то же, что естественное преобразование (natural transformation)?

(Прим.: один из вопросов, показывающих кардинальное превосходство LLM-ок над поисковыми системами в данной области. Выдачу гугла надо фильтровать и разбирать, LLM-ка сразу даёт резюме.)

Допущения, нюансы, пресуппозиции

8. Почему должно быть X / Why must be X?

Пример: почему в логистической регрессии log-odds должны линейно зависеть от признаков?

9. Что обычно упускают, рассказывая об X / What is usually omitted, when they speak of X?

Пример: что обычно упускают, рассказывая о логистической регрессии?

10. Какие базовые предпосылки X / What are basic assumptions of X?

Пример: какие базовые предпосылки логистической регрессии?

Перепроверка

11. Является ли этот конспект/решение корректным / Is this cheatsheet/solution correct?

BY Metaprogramming


Warning: Undefined variable $i in /var/www/tg-me/post.php on line 283

Share with your friend now:
tg-me.com/metaprogramming/406

View MORE
Open in Telegram


Metaprogramming Telegram | DID YOU KNOW?

Date: |

The STAR Market, as is implied by the name, is heavily geared toward smaller innovative tech companies, in particular those engaged in strategically important fields, such as biopharmaceuticals, 5G technology, semiconductors, and new energy. The STAR Market currently has 340 listed securities. The STAR Market is seen as important for China’s high-tech and emerging industries, providing a space for smaller companies to raise capital in China. This is especially significant for technology companies that may be viewed with suspicion on overseas stock exchanges.

How Does Bitcoin Work?

Bitcoin is built on a distributed digital record called a blockchain. As the name implies, blockchain is a linked body of data, made up of units called blocks that contain information about each and every transaction, including date and time, total value, buyer and seller, and a unique identifying code for each exchange. Entries are strung together in chronological order, creating a digital chain of blocks. “Once a block is added to the blockchain, it becomes accessible to anyone who wishes to view it, acting as a public ledger of cryptocurrency transactions,” says Stacey Harris, consultant for Pelicoin, a network of cryptocurrency ATMs. Blockchain is decentralized, which means it’s not controlled by any one organization. “It’s like a Google Doc that anyone can work on,” says Buchi Okoro, CEO and co-founder of African cryptocurrency exchange Quidax. “Nobody owns it, but anyone who has a link can contribute to it. And as different people update it, your copy also gets updated.”

Metaprogramming from es


Telegram Metaprogramming
FROM USA