@mimpimu__: 🙂

알겠어
알겠어
Open In TikTok:
Region: KR
Thursday 26 March 2026 07:59:51 GMT
4984784
352720
357
20111

Music

Download

Comments

f.z.k.erlang3
milkuat :
"tetap lah cebok" "walau tidak keluar tai" "tetap lah berjuang" "walaupun tidak dihargai"
2026-03-26 09:12:45
334
anakraja77.clipper
Clipperanakraja77 :
𝗻𝗴𝗮 𝗴𝘂𝗮 𝗯𝗮𝗻𝗴𝗴𝗮 𝗸𝗼𝗸 𝘄𝗮𝗹𝗮𝘂𝗽𝘂𝗻 𝗸𝗲𝗺𝗮𝗿𝗲𝗻 𝗴𝗮𝗸 𝘀𝗲𝗺𝗽𝗲𝘁 𝗱𝗶 𝘁𝗮𝗿𝗲𝗸 𝘆𝗮𝗵 𝘄𝗸𝘄𝗸 𝘁𝗮𝗽𝗶 𝗴𝘂𝗮 𝗯𝗮𝗻𝗴𝗮 𝘄𝗸𝘄𝗸𝘄
2026-03-28 11:04:11
167
mell096491
mell :
ada yang sama ga sih, kita hidup tapi Kya ga ada gairah seakan akan kita hidup Kya cuma menjalani sisa umur aja, ga ada rasa bahagia ga ada sedih ga ada jga kesel ke ya gtu deh Poko nya
2026-03-30 13:29:03
92
rzm.173
Maulana :
semangat✊🏻
2026-03-26 10:01:16
16
pajripatrian22
biru :
merelakan seseorang yang kamu cintai, adalah proses panjang yang perlahan mengikis bahagia dalam dirimu. bukan karena cintamu kurang kuat, tapi karena semesta seolah tak pernah berpihak. kamu mencintainya sepenuh hati, kamu pernah berdoa dengan air mata yang jatuh diam-diam di malam hari, kamu pernah berharap setiap harinya hanya tentang dia, tapi pada akhirnya kamu harus sadar, bahwa tidak semua rasa layak diperjuangkan sampai habis-habisan. kamu mulai belajar menerima, walau hatimu menolak. kamu mulai berjalan menjauh, walau jiwamu ingin tetap tinggal. kamu mulai belajar tersenyum, di tengah luka yang tak pernah bisa kamu sembuhkan sendiri. setiap hari kamu berpura-pura tidak apa-apa, walau di dalam kepalamu namanya masih berisik, suaranya masih terngiang, senyumnya masih kamu ingat dengan jelas. kamu mencoba menghapus kenangan, tapi kenangan tak bisa kamu buang begitu saja. kamu mencoba mencintai orang lain, tapi tak ada yang mampu menggantikan tempatnya. kamu mencoba membenci, tapi hatimu tetap lembut jika bicara tentang dia. dan di antara semua itu, kamu tetap mencintai dalam diam, dalam jarak, dalam rindu yang tak bisa kamu tunjukkan. kamu belajar mengikhlaskan tanpa menghapus rasa, belajar menerima tanpa benar-benar rela, dan belajar berjalan sendiri tanpa arah yang jelas. dan mungkin inilah bentuk paling sunyi dari cinta, ketika kamu harus melepaskan seseorang yang kamu tahu, adalah satu-satunya yang ingin kamu genggam selamanya. kamu tetap berdoa agar dia bahagia, walau bukan denganmu. kamu tetap berharap dia baik-baik saja, meski kamu sendiri tidak pernah benar-benar baik semenjak kehilangan dia. dan akhirnya, kamu sadar, bahwa cinta bukan selalu soal memiliki, tapi soal keberanian untuk melepaskan, saat tetap bersamanya hanya membuatmu terluka lebih dalam setiap harinya.
2026-03-30 10:48:39
10
jm_jejakhati
@ jejak_hati :
jangan lupa sertakan Allah disetiap perjalanan hidup.
2026-03-29 12:50:19
71
iamnumbness
manusia kecil_01 :
setelah bpk ga ada. setelah wanita itu pergi. setelah ibuku menikah lagi. hidup ini seperti tidak ada tujuan untuk kemana.
2026-03-26 15:57:30
28
isramirna3
Isra Mirna :
tetaplah hidup walau di fase udah hampa dan menunggu waktunya
2026-03-27 02:50:16
20
massjawa803
Nggun :
kok nyesek banget padahal cumn dlm hati bacanya
2026-03-30 10:38:35
17
firmansyahfirm1444
Firmansyah Firman :
Tak semua pintu perlu diketuk dua kali. Harga diri tahu kapan harus berhenti.”
2026-03-29 02:43:09
4
badut.mu7047
🫧 :
Opoto seng meh di banggakke Soko wong ruwet koyo akuu
2026-07-14 15:55:49
1
febri.yulianto90
Febri Yulianto :
jdi lah support system tuk diri mu sendiri agar kau lebih menghargai diri mu
2026-03-30 13:36:15
6
thedarknes579
IFT Rexy 🔥 :
bang air mata ku jatuh nggak kerasa loh gara gara postingan lu ini
2026-03-28 03:11:04
5
rnttscddd25
ecc_ranggaa :
meskipun tidak ada yang akan bangga padaku saat ini,aku akan selalu menjadi pendukungku sendiri kapanpun situasinya
2026-06-23 10:04:02
2
sely06260
sely weh :
di kalaa pasangn kuu merendahkan kuu dan bahkan orang tua ku jauh lbih pduli terhadap psangn ku di situu aku hanya bisa mnguat kan dri sndrii... andaii orang tua kuu tauu se sakitt apaa jalani hbngn yang isi nyah cumn mengalah dan trus d tungtutt sabarrr 🥺😖
2026-03-28 12:35:39
6
ruang.masa.depan
Ruang Masa Depan :
demi aku dan untuk diriku
2026-06-16 01:33:48
1
alfhhhhhh
Milen✨ :
semangat ya diriku walaupun dalam setiap keadan kamu selalu disalahkan, dihina dibenci 😊
2026-06-03 15:03:26
1
rfyy053
rfyy05 :
jdi lah support system tuk diri mu sendiri agar kau lebih menghargai diri mu
2026-06-07 00:42:56
2
_uuung
𝙪 𝙣 𝙜 :
cuma bisa ngelus dada sambil bilang "sabar yaa, sabarrr." 🙂
2026-03-26 16:55:48
5
njwwfd_
njwwfd📍 :
emang cuma diri aku jah kok yang bisa ngerti in akuh
2026-05-10 09:04:41
1
erikaseptiani218
Kaaa🕊️ :
meski ornglain kerap menghina dan mencaciku tapi aku bangga sama diriku sendiri yg berjuang begitu keras demi hidup yg layak .l love my self aku akan slalu sayang ,cinta dan bangga sama diriku sendiri 💗
2026-04-05 07:29:21
5
yabegitulahh34
🫀🧠 :
bngga lah pda dirimu sndrii dan rayakan diri sndri jauh lebih tenang🥺🤲
2026-04-17 03:11:31
2
viralshop1235
Rizkymainan123 :
bantu follow ka 🥺🥺
2026-05-03 07:08:12
1
fahristecu_201
𝕱𝖆𝖍𝖗𝖎_𝖘𝖙𝖊𝖈𝖚𝖚 :
meskipun tidak ada yang akan bangga padaku saat ini, aku akan selalu menjadi pendukungku sendiri kapanpun situasinya.
2026-05-14 10:05:58
1
lemordlemord4
Dik. :
abcdefghijklmnovqrstuvwxyz
2026-04-13 12:49:45
1
To see more videos from user @mimpimu__, please go to the Tikwm homepage.

Other Videos

Time Complexity Analysis of ML Algorithms in Python Understanding how machine learning algorithms scale with data size and dimensions. A practical overview of computational complexity in ML, featuring code examples and real-world benchmarks of popular algorithms like SVM, Neural Networks, and Random Forests. Find out why some algorithms struggle with large datasets while others excel, backed by runtime measurements and visualizations. All code examples and complete implementation available in Python using scikit-learn. #python #computerscience #datascience #machinelearning #coding #Tech #programming #stem #algorithms #complexity #ai Key practices to reinforce your understanding of ML algorithm complexity: 1. Always benchmark your algorithms with different dataset sizes. Record execution times and memory usage to build intuition about scaling behavior. 2. Study the mathematical foundations behind each algorithm. Understanding the core operations helps predict how they'll perform with different data shapes. 3. Practice implementing simpler versions of algorithms from scratch. This builds deep understanding of their computational bottlenecks. 4. Document performance characteristics when working with new datasets. Note which algorithms struggle and why - this builds valuable intuition over time. 5. Experiment with different hardware resources. See how algorithms scale across CPU cores or GPU acceleration to understand their parallelization potential. 6. Build small test cases that demonstrate worst-case scenarios. This helps internalize the importance of careful algorithm selection. You can find, for free, this and all others slideshow on the xbe.at website
Time Complexity Analysis of ML Algorithms in Python Understanding how machine learning algorithms scale with data size and dimensions. A practical overview of computational complexity in ML, featuring code examples and real-world benchmarks of popular algorithms like SVM, Neural Networks, and Random Forests. Find out why some algorithms struggle with large datasets while others excel, backed by runtime measurements and visualizations. All code examples and complete implementation available in Python using scikit-learn. #python #computerscience #datascience #machinelearning #coding #Tech #programming #stem #algorithms #complexity #ai Key practices to reinforce your understanding of ML algorithm complexity: 1. Always benchmark your algorithms with different dataset sizes. Record execution times and memory usage to build intuition about scaling behavior. 2. Study the mathematical foundations behind each algorithm. Understanding the core operations helps predict how they'll perform with different data shapes. 3. Practice implementing simpler versions of algorithms from scratch. This builds deep understanding of their computational bottlenecks. 4. Document performance characteristics when working with new datasets. Note which algorithms struggle and why - this builds valuable intuition over time. 5. Experiment with different hardware resources. See how algorithms scale across CPU cores or GPU acceleration to understand their parallelization potential. 6. Build small test cases that demonstrate worst-case scenarios. This helps internalize the importance of careful algorithm selection. You can find, for free, this and all others slideshow on the xbe.at website

About