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
Фина настройка на самостоятелна игра
Самостоятелната фина настройка подобрява даден модел, като го кара да се конкурира или да се учи от собствените си предишни резултати, генерирайки собствен сигнал за обучение.
ОсновиОбучение по време на тест
Обучението по време на тестване (TTT) позволява на модела да продължи да се учи от всеки нов вход в момента, в който прави прогноза, вместо да остане замразен след обучението.
ОсновиGrokking и забавена генерализация
Grokking е изумителен феномен, при който невронната мрежа първо запаметява данните си за обучение, остава при почти нулева точност на валидиране за дълго време и след това...
ОсновиПрекомерно и недостатъчно оборудване
Пренастройването е, когато моделът запаметява своите данни за обучение и се проваля на нови примери; недостатъчното приспособяване е, когато е твърде просто да се улови истинският модел.
ОсновиРегулиране
Регулирането е набор от техники, които умишлено ограничават модел, така че той да се обобщава към нови данни, вместо да запаметява набора за обучение.
ОсновиОбратно разпространение
Обратното разпространение е алгоритъмът, който позволява на невронната мрежа да се учи от грешките си чрез ефективно изчисляване колко всяка тежест е допринесла за грешката.
ОсновиГрадиентно спускане
Градиентното спускане е методът за оптимизация, който всъщност премества теглата на модела надолу към по-ниска грешка, една малка стъпка в даден момент.
ОсновиФункции на загубата
Функцията на загуба е единственото число, което казва на модела колко погрешни са прогнозите му, превръщайки неясна цел в нещо, което математиката може да оптимизира.
ОсновиФункции за активиране
Функциите за активиране са малките нелинейни врати във всеки неврон, които позволяват на невронните мрежи да научават сложни, извити модели вместо само прави линии.
ОсновиКонволюционни невронни мрежи
Конволюционните невронни мрежи (CNN) са основната архитектура за разбиране на изображения.
ОсновиПовтарящи се невронни мрежи
Повтарящите се невронни мрежи (RNN) са изградени да обработват последователности като текст, реч и времеви серии.
ОсновиГенеративни състезателни мрежи
Генеративните състезателни мрежи (GANs) създават реалистични нови данни, като изправят две невронни мрежи една срещу друга в състезание.
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.