Shadowing-Übung: P1 机器学习的应用【2024公认最好的 | 吴恩达机器学习 | 教程 | Machine Learning Specialization(超爽中英!)】 - Englisch Sprechen Lernen mit Video
Übungsmodus wählen
Jeder Modus öffnet einen Übungsraum im Vollbild.
43 Sätze
Wenn Sätze zu kurz oder zu lang sind, klicke auf Edit, um sie anzupassen.
1
In this class, you learn about the state of the art and also practice implementing machine learning algorithms yourself.
2
You learn about the most important machine learning algorithms, some of which are exactly what's being used in large AI or large tech companies today,
3
and you get a sense of what is the state of the art in AI.
4
Beyond learning the algorithms, though, in this class, you also learn all the important practical tips and tricks for making them perform well,
5
and you get to implement them and see how they work for yourself.
6
So why is machine learning so widely used today?
7
Machine learning had grown up as a subfield of AI or artificial intelligence.
8
We wanted to build intelligent machines, and it turns out that there are a few basic things that we could program a machine to do, such as how to find the shortest path from A to B,
9
like in your GPS.
10
But for the most part, we just did not know how to write an explicit program to do many of the more interesting things, such as perform web search,
11
recognize human speech, diagnose diseases from x-rays, or build a self-driving car.
12
The only way we knew how to do these things was to have a machine learn to do it by itself.
13
For me, when I founded and was leading the Google Brain team, I worked on problems like speech recognition, computer vision for Google Maps,
14
street view images, and advertising.
15
Or leading AI at Baidu, I worked on everything from AI for augmented reality to combating payment fraud to leading a self-driving car team.
16
Most recently, Atlantic AI, AI funded at Stanford University, I've been getting to work on AI applications in manufacturing,
17
large-scale agriculture, healthcare, e-commerce, and other problems.
18
Today, there are hundreds of thousands, perhaps millions of people, working on machine learning applications who could tell you similar stories about their work with machine learning.
19
When you've learned these skills, I hope that you too will find it great fun to dabble in exciting different applications and maybe even different industries.
20
In fact, I find it hard to think of any industry
21
that machine learning is unlikely to touch in a significant way now or in the near future.
22
Looking even further into the future, many people, including me, are excited about the AI dream of someday building machines as intelligent as you or me.
23
This is sometimes called Artificial General Intelligence, or AGI.
24
I think AGI has been overhyped and we're still a long way away from that goal.
25
I don't know if it'll take 50 years or 500 years or longer to get there,
26
but most AI researchers believe that the best way to get closer to that goal is by using learning algorithms,
27
maybe ones that take some inspiration from how the human brain works.
28
You also hear a little more about this quest for AGI later in this course.
29
According to a study by McKinsey,
30
AI and machine learning is estimated to create an additional $13 trillion of value annually by the year 2030.
31
Even though machine learning is already creating tremendous amounts of value in the software industry, I think there could be even vastly greater value
32
that is yet to be created outside the software industry in sectors such as retail,
33
travel, transportation, automotive, materials, manufacturing, and so on.
34
Because of the massive untapped opportunities across so many different sectors,
35
today there is a vast unfulfilled demand for this skill set.
36
That's why this is such a great time to be learning about machine learning.
37
If you find machine learning applications exciting, I hope you stick with me through this class.
38
I can almost guarantee that you find mastering these skills worthwhile.
39
In the next video, we'll look at a more formal definition of what is machine learning,
40
and we'll begin to talk about the main types of machine learning problems and algorithms.
41
You pick up some of the main machine learning terminology
42
and start to get a sense of what are the different algorithms and when each one might be appropriate.
43
So let's go on to the next video.
App herunterladen
Alles, was du zum fließenden Sprechen brauchst
KI-AussprachebewertungJeder Satz bewertet
IPA-TrainingJeden Laut meistern
WortschatzBaue deinen Wortschatz auf
VokabelspielSpielend lernen
Gleicher Kanal
FOR YOU
Empfohlenes Video
C11
105 Sätze
Google’s AI Course for Beginners (in 10 minutes)!
American AccentBusiness EnglishUniversity StudentsWorking Adults
C11
315 Sätze
how AI broke the SWE Career Ladder
Business EnglishInterview EnglishUniversity Students
C1465
25 Sätze
The Human Economy in the Age of AI | Ben Pascut | TEDx
IELTS PrepBusiness EnglishUniversity Students
C12
144 Sätze
WWDC26: Run local agentic AI on the Mac using MLX | Apple
Business EnglishUniversity StudentsWorking Adults
C148
8 Sätze
Neurosymbolic AI Explained
Business EnglishUniversity StudentsWorking Adults
C13
208 Sätze
AI & Education: Generative AI & the Future of Critical Thinking
Business EnglishUniversity StudentsWorking Adults
C11
12 Sätze
Rapid Engineering With AI
Business EnglishUniversity StudentsWorking Adults
C13
101 Sätze
3.3k
Business EnglishInterview EnglishUniversity Students
C11
141 Sätze
How AI is Changing Data Scientist's Workflow
Business EnglishUniversity StudentsWorking Adults
B22
163 Sätze
Cách Mình Học Mọi Thứ Nhanh Gấp 10 Lần
Business EnglishUniversity StudentsWorking Adults
C12
128 Sätze
The AI Take Over Has Completely Backfired (Here's the Proof)
Business EnglishUniversity StudentsWorking Adults
Wortschatz und Sprechhinweise zu dieser Lektion
Diese Sprechübung auf Niveau C1 basiert auf dem Video „P1 机器学习的应用【2024公认最好的“. Diese Wörter kommen am häufigsten vor: machine, learning, algorithms, applications, learn. Dieses Video enthält 43 Sätze und 698 Wörter zum Nachsprechen. Der gesprochene Teil dauert 4:26. Der Sprecher spricht in natürlichem Tempo, etwa 158 Wörter pro Minute, ähnlich wie im Alltagsgespräch. 85 % der Wörter gehören zu den 3.000 häufigsten im Englischen; den Rest solltest du dir vor dem Üben ansehen.
Wichtiger Wortschatz in diesem Video
Die 14 anspruchsvollsten Wörter aus dem Video, mit Aussprache und Bedeutung:
| Wort | Aussprache | Bedeutung |
|---|---|---|
| algorithm Substantiv | /ˈælɡəɹɪðm̩/ | Algorithmus |
| excite Verb | /ɪkˈsaɪt/ | erregen |
| augment Verb | /ɔɡˈmɛnt/ | vergrößern, erhöhen |
| dabble Verb | /ˈdæb.əl/ | platschen |
| diagnose Verb | /ˈdaɪ.əɡˌnoʊs/ | diagnostizieren |
| subfield Substantiv | Teilgebiet | |
| unfulfilled Adjektiv | unausgeführt, unerfüllt | |
| vastly Adverb | /ˈvæstli/ | erheblich, ungeheuer |
| terminology Substantiv | /ˌtɝ.məˈnɑ.lə.d͡ʒi/ | Terminologie |
| worthwhile Adjektiv | /ˌwɜː(ɹ)θˈwaɪl/ | lohnend, wertvoll |
| researcher Substantiv | /ˈɹiˌsɝ.t͡ʃɚ/ | Forscher, Forscherin |
| explicit Adjektiv | /ɪkˈsplɪs.ɪt/ | eindeutig, ausdrücklich |
| someday Adverb | eines Tages, irgendwann | |
| tremendous Adjektiv | /tɹɪˈmɛndəs/ | beträchtlich, außerordentlich |
Phrasal Verbs, die du hören wirst
| Wort | Bedeutung |
|---|---|
| grow up Verb | aufwachsen, erwachsen werden |
| pick up Verb | aufheben, aufnehmen |
| turn out Verb | sich herausstellen als/dass, sich erweisen als |
Grammatik in diesem Video
Die Strukturen, die der Sprecher am häufigsten verwendet, mit den genauen Worten aus dem Video:
| Struktur | Im Video |
|---|---|
| Passiv be + Partizip Perfekt – wichtig ist, was geschieht, nicht wer es tut | is sometimes called · has been overhyped · is estimated |
| Present Perfect have/has + Partizip Perfekt – eine vergangene Handlung, die jetzt noch wichtig ist | you've learned · has been overhyped |
Aussprache, auf die du achten solltest
Der Sprecher verwendet 7 Kurzformen und abgeschwächte Formen, zum Beispiel we'll, don't, I've. Sprich sie in der kurzen Form, so wie du sie hörst.
- Die „th“-Laute: algorithm /ˈælɡəɹɪðm̩/, worthwhile /ˌwɜː(ɹ)θˈwaɪl/
- Lange Wörter – auf die Betonung achten: terminology /ˌtɝ.məˈnɑ.lə.d͡ʒi/, automotive /ˌɔtəˈmoʊtɪv/
Laute, die Deutschsprachigen schwerfallen:
- /æ/ — offener als „ä“: algorithm /ˈælɡəɹɪðm̩/, dabble /ˈdæb.əl/, vastly /ˈvæstli/
So übst du mit diesem Video
- Höre dir das ganze Video einmal an, ohne zu sprechen, und notiere die Wörter, die du nicht kennst.
- Beginne mit 0,75-facher Geschwindigkeit, sprich Satz für Satz nach und wechsle zur normalen Geschwindigkeit, sobald es leichtfällt.
- Nimm dich auf und vergleiche mit dem Original; achte dabei auf Wörter wie algorithm, excite, augment.
Was ist die Shadowing-Technik?
Shadowing ist eine wissenschaftlich fundierte Sprachlerntechnik, die ursprünglich für die professionelle Dolmetscherausbildung entwickelt und durch den Polyglotten Dr. Alexander Arguelles populär gemacht wurde. Die Methode ist einfach aber wirkungsvoll: Du hörst englisches Audio von Muttersprachlern und wiederholst es sofort laut — wie ein Schatten, der dem Sprecher mit nur 1–2 Sekunden Verzögerung folgt. Anders als passives Hören oder Grammatikübungen zwingt Shadowing dein Gehirn und deine Mundmuskulatur, gleichzeitig echte Sprachmuster zu verarbeiten und zu reproduzieren. Studien zeigen, dass es Aussprachegenauigkeit, Intonation, Rhythmus, verbundene Sprache, Hörverständnis und Sprechflüssigkeit signifikant verbessert — was es zu einer der effektivsten Methoden für die IELTS Speaking-Vorbereitung und reale englische Kommunikation macht.