01
Основи на AI
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Безплатна AI библиотека
Основи водачиСвободен завинаги.
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.
84Безплатни ръководства
1Тематични песни
~2 minПо ръководство
~3hReading time
Започнете тук
Five outcome-based courses
Each course includes explicit outcomes, mapped competencies, practice activities, and an applied capstone.
02
Отговорен AI потребител
Use AI productively while protecting privacy, checking outputs, and preserving human accountability.
03
AI на работа
Evaluate workplace use cases, run safe pilots, measure value, and communicate changes responsibly.
04
Политика и общество за ИИ
Analyze AI systems through rights, equity, governance, safety, and public-interest outcomes.
05
Изграждане с AI системи
Understand language models, retrieval, agents, evaluation, cost, and deployment safeguards through practical system design.
Тематични песни
Преглед по песен
Скочете в района, който ви интересува. Всяка песен има множество ръководства на обикновен английски.
ОсновиОсновни концепции: как AI работи на високо ниво.84 водачи Езиков AILLMs, NLP, ChatGPT, подсказване и разбиране на текст.155 водачи Визуален AIГенериране на изображения, компютърно зрение, видео и дизайн.133 водачи Аудио AIГлас, музика, подкастинг и аудио-първи AI.117 водачи ФирмиПрофили на OpenAI, Anthropic, Google, Meta и др.121 водачи ПриложенияКак AI се появява в кодирането, търсенето, агентите и ежедневието.111 водачи ИндустрииAI в здравеопазването, финансите, образованието, енергетиката и др.91 водачи техническиЧипове, фина настройка, RAG, вектори и AI инфраструктура.177 водачи обществоПристрастия, поверителност, авторски права, безопасност и бъдещето на AI.30 водачи
Пълна библиотека
Всички ръководства
84 на 1019 показани ръководства. Филтрирайте по песен или потърсете по-горе.
Основи
Стохастично градиентно спускане с инерция
Momentum е настройка за градиентно спускане, която натрупва текуща средна стойност на минали градиенти, позволявайки на оптимизацията да се движи по-бързо през долини и да намали...
ОсновиУскорен градиент на Нестеров
Ускореният градиент на Нестеров (NAG) е по-интелигентна форма на инерция, която надниква напред, преди да изчисли градиента, като му дава коригиращ поглед напред.
ОсновиЗагуба на тройка и научаване на метрика
Триплетната загуба учи невронна мрежа да поставя подобни елементи близо един до друг и различни елементи далеч един от друг в пространството за вграждане.
ОсновиИзглаждане на етикети
Изглаждането на етикетите е прост трик за регулиране, който смекчава твърдите едногорещи тренировъчни цели, като казва на модела, че правилният отговор е много вероятно, но не и 100...
ОсновиКлетки с дълга краткосрочна памет
Клетките на дългата краткосрочна памет (LSTM) са специален вид повтаряща се невронна мрежа, създадена да запомня информация в дълги последователности.
ОсновиK-означава групиране
K-Means е неконтролиран алгоритъм, който автоматично сортира данните в K групи чрез намиране на центрове на клъстери.
ОсновиK-най-близки съседи
K-Nearest Neighbors (KNN) класифицира нова точка от данни, като разглежда K най-близките примери и взема мнозинство от гласовете.
ОсновиЛогистична регресия
Логистичната регресия прогнозира вероятността нещо да принадлежи към клас, като спам или не спам, чрез смачкване на претеглена сума през S-образна крива.
ОсновиНаивни байесови класификатори
Naive Bayes е бърз, вероятностен класификатор, изграден върху теоремата на Bayes, която приема, че всяка характеристика е независима от класа.
ОсновиROC криви и AUC
ROC крива начертава колко добре класификаторът разделя два класа през всеки възможен праг на решение, а AUC компресира цялата крива в едно число.
ОсновиМатрици на объркване
Матрицата на объркване е проста таблица, която разделя прогнозите на класификатора на правилни и неправилни стойности за всеки клас.
ОсновиКомпромис отклонение-вариация
Компромисът отклонение-вариация обяснява защо един модел може да се провали, ако е твърде прост или твърде сложен.
Finished reading? Prove it.
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.