bitcoin
bitcoin

$64909.368160 USD

1.63%

ethereum
ethereum

$1819.307106 USD

2.42%

tether
tether

$0.999085 USD

-0.03%

bnb
bnb

$592.601020 USD

1.07%

usd-coin
usd-coin

$0.999847 USD

0.01%

xrp
xrp

$0.957814 USD

1.10%

solana
solana

$71.187802 USD

2.01%

tron
tron

$0.302772 USD

-1.15%

hyperliquid
hyperliquid

$66.461246 USD

2.40%

zcash
zcash

$896.786756 USD

0.40%

dogecoin
dogecoin

$0.058826 USD

2.33%

monero
monero

$488.910717 USD

0.57%

unus-sed-leo
unus-sed-leo

$9.176888 USD

0.60%

chainlink
chainlink

$9.149774 USD

1.32%

cardano
cardano

$0.153392 USD

2.45%

Nachrichtenvideo zur Kryptowährung

Vektoren. Matrizen und Punktprodukte: Die Mathematik hinter LLMs | LLM-Kurs Nr. 11

Nov 15, 2026 at 04:30 pm Programming Line

Modul 2 beginnt: gerade genug Mathe. In Vorlesung 11 der LLM-Meisterklasse: Warum alles in einem LLM aus Zahlen besteht, Vektoren als Listen von Zahlen und Pfeilen, das Skalarprodukt (Chai · Tee = 1,47, Chai · Auto = 0,345), Matrizen und ihre Form, warum eine Matrixmultiplikation wirklich aus vielen Skalarprodukten besteht, und das alles in NumPy mit dem @-Operator. 💻 Code für diese Vorlesung (Zweigvorlesung-11): https://github.com/programmingline/chotugpt/tree/lecture-11 Vorlesung 11 von 32 – LLM Masterclass · Modul 2: Gerade genug Mathematik ⚠️ ChotuGPT ist ein vereinfachtes Lehrmodell. Die Wortvektoren (Chai, Tee, Auto) und das kleine „Heißgetränk?“ / Fahrzeug?' Matrix sind Spielzeugzahlen, die nur für den Unterricht bestimmt sind. In dieser Vorlesung: • Alles wird zu Zahlen: Token-IDs (Vorlesung 2) und Wortvektoren (Vorlesung 5) • Ein Vektor ist eine Liste von Zahlen; seine Länge ist seine Anzahl an Dimensionen • Das Skalarprodukt: übereinstimmende Zahlen multiplizieren und addieren – groß, wenn zwei Vektoren in die gleiche Richtung zeigen • Warum Kosinusähnlichkeit durch die Längen dividiert • Matrizen: ein Zahlengitter mit einer Form (Zeilen × Spalten); gelernte Gewichte leben in Matrizen • Matrix × Vektor: jede Ausgabe ist ein Skalarprodukt; Matrix × Matrix: Zeile mal Spalte, innere Größen müssen übereinstimmen • NumPy: @ für Matrixmultiplikation, Wörter @ Wörter.T gibt das Skalarprodukt jedes Paares auf einmal aus • Warum GPUs wichtig sind und wie Aufmerksamkeitswerte Skalarprodukte sind (Vorlesung 18) Kapitel: 00:00 Lektion 10 Quizantwort 00:12 Modul 2: Gerade genug Mathematik 00:24 Alles wird zu Zahlen 00:40 Vektoren 01:05 Beginnt klicken? 01:10 Das Skalarprodukt 01:43 Matrizen und Form 02:02 Matrixmultiplikation = viele Skalarprodukte 02:42 NumPy: der @-Operator 03:07 Quiz 03:27 Warum das wichtig ist: Transformatoren und GPUs 03:47 Rückblick und nächste Lektion ✅ Antwort auf Lektion 10: B, Training zum menschlichen Feedback, um Anweisungen zu befolgen. Die große Veränderung war nicht die Größe. ❓ Quiz: Eine Matrixmultiplikation ist wirklich viele… A) Additionen B) Punktprodukte C) Divisionen. Kommentieren Sie Ihre Antwort. Ich verrate es in Vorlesung 12! 👍 Liken, abonnieren und kommentieren Sie Ihre Quizantwort. ⏮ Zurück: Vorlesung 10 – Von GPT-3 zu ChatGPT: die Moderne ⏭ Weiter: Vorlesung 12 – Ein neuronales Netzwerk von Grund auf Quellen: NumPy-Dokumentation: numpy.matmul und der @-Operator (numpy.org/doc); G. Strang, „Einführung in die lineare Algebra“ (Wellesley-Cambridge Press); Spielzeugwortvektoren aus Vorlesung 5 dieses Kurses. #LLM #LineareAlgebra #NumPy
Videoquelle:Youtube

Haftungsausschluss:info@kdj.com

Die bereitgestellten Informationen stellen keine Handelsberatung dar. kdj.com übernimmt keine Verantwortung für Investitionen, die auf der Grundlage der in diesem Artikel bereitgestellten Informationen getätigt werden. Kryptowährungen sind sehr volatil und es wird dringend empfohlen, nach gründlicher Recherche mit Vorsicht zu investieren!

Wenn Sie glauben, dass der auf dieser Website verwendete Inhalt Ihr Urheberrecht verletzt, kontaktieren Sie uns bitte umgehend (info@kdj.com) und wir werden ihn umgehend löschen.

Weitere Videos veröffentlicht auf Nov 17, 2026