Основи на AI
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Безплатна AI библиотека
84 ръководства на обикновен английски език, структурирани пътеки за обучение и отворена библиотека — създадена от независима 501(c)(3) организация с нестопанска цел, така че всеки да може да разбере модерния AI.
Започнете тук
Each course includes explicit outcomes, mapped competencies, practice activities, and an applied capstone.
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Use AI productively while protecting privacy, checking outputs, and preserving human accountability.
Evaluate workplace use cases, run safe pilots, measure value, and communicate changes responsibly.
Analyze AI systems through rights, equity, governance, safety, and public-interest outcomes.
Understand language models, retrieval, agents, evaluation, cost, and deployment safeguards through practical system design.
Тематични песни
Скочете в района, който ви интересува. Всяка песен има множество ръководства на обикновен английски.
Пълна библиотека
84 на 1019 показани ръководства. Филтрирайте по песен или потърсете по-горе.
Predictive AI uses observed information to estimate an unknown outcome, such as demand, delivery time, or a category.
ОсновиAI systems thinking examines how data, models, people, interfaces, and operating policies interact.
ОсновиThe model lifecycle covers problem definition, data preparation, training or selection, evaluation, deployment, monitoring, and retirement.
ОсновиAI evaluation tests whether a system meets a defined purpose under stated conditions.
ОсновиHuman-AI collaboration divides work between people and AI systems while keeping responsibility and control clear.
ОсновиAI can supply predictions, organize evidence, or recommend actions, but choosing an action also requires goals, constraints, and responsibility.
ОсновиAn AI failure mode is a repeatable way a system can produce an unacceptable result.
ОсновиГруповата нормализация е техника, която стабилизира обучението на невронни мрежи чрез нормализиране на функции в малки групи от канали, независимо за всеки...
ОсновиGated Recurrent Unit (GRU) е рационализиран тип повтаряща се невронна мрежова клетка, която използва две врати, за да реши каква информация да запази и каква да забрави...
ОсновиНамаляването на теглото е проста, мощна техника, която тласка теглото на модела към нула по време на тренировка, обезсърчавайки го да разчита твърде много на...
ОсновиDropout е трик за регулиране, който произволно изключва част от невроните по време на всяка стъпка на обучение, принуждавайки мрежата да изгради излишни, стабилни...
ОсновиРанното спиране е техника за регулиране, която спира обучението на модела в момента, в който ефективността на задържаните данни за валидиране спре да се подобрява.
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.