第二日一早九点，苏飞背着书包就准时来到了计科306，让他没想到的是，306居然坐满了人，而他一进去，闲聊的学员们就忽然沉默下来，齐刷刷地把视线投到他身上。
这让苏飞多少有点尴尬，他就是个旁听生，怎么还成焦点了，让他有些紧张。
他沿着墙打算找个角落坐下，可屁股还没落座呢，一旁的学员却疑惑地问：“学弟，你坐下干嘛？上去讲课啊。”
苏飞愕然：“我就是个听课的啊？”
姜大小姐也没说他要上去讲啊？难道这是社团习俗？
“我们都是来听你讲课的啊。”那学员吃了一惊，心想这学弟不是被誉为机器学习领域的新星么？怎么感觉呆呆的。
“啊？”苏飞环视一周，发现姜大小姐居然不在。
“快上去呀，大家都等着呢。”旁边的另一个学员催促道。
“哦......哦，那行吧。”
望着齐刷刷看向自己的学长学姐们，他也有些自我怀疑，难道姜大小姐早就想到我会整理TagLM的相关知识并且提出一个新想法，所以让我先大致讲讲我的构想？
他犹豫了片刻，说道：“我对机器学习和深度学习的理解其实比较浅薄，相较在座的各位，经验非常不足，如果有什么错误的地方还请多担待。”
没有他预想里的鼓励加油，众人都一副冷漠的态度。
搞什么，AI研究社的人都和姜倾雪一样是个冰块？
可一想到姜大小姐这座钻石矿，苏飞还是不情不愿地上台。
苏飞打开书包，拿出准备好的U盘，里边有他昨天的构想，将资料投屏到306的屏幕上。
“基于TagLM的深度上下文词向量预训练？不是说要讲讲机器学习的核函数升维方法么？怎么突然改换深度学习了？而且还是自然语言处理？”
下面的一些学员顿时有些迷惑了，这和他们接到的通知不一样啊。
“我想讲一讲我对TagLM的理解，大家可能都比较熟悉TagLM这个模型，但我不想从计算机系的角度去理解，而是从数学系的角度去理解。”
“TagLM的主要贡献其实就是预训练，分三个步骤完成词向量的预训练，前两个步骤的结果拼接起来放到第三个部分进行预测......”
听着苏飞的讲课，众人表情微变。
“这完全就是基础课啊。”
“TagLM，我们社不是研究过好多遍了么？”
“顾行之不是机器学习的么？怎么跳到深度学习了？”
“顾行之名不副实啊。”
苏飞内心暗道果然，这些知识对于普通的本科生来说是超纲知识，但对于AI研究社的学长学姐来说，都只是基础。
于是，他也不准备藏着掖着了，开始进入正题。
“上述所说的都是基于编程知识，对TagLM做的一个简单的概括。
请收藏：https://m.awxs8.cc
（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）