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
Meta-Учене
Meta-обучението или „да се научим да учим“ обучава моделите да се адаптират бързо към чисто нови задачи само от няколко примера.
ОсновиАнсамбъл методи и усилване на градиента
Ансамбъловите методи комбинират много прости модели, така че групата да прави по-добри прогнози от всеки отделен модел.
ОсновиBayesian Deep Learning
Bayesian дълбокото обучение третира теглата на невронната мрежа като вероятностни разпределения, а не като фиксирани числа, така че моделът може да каже колко е уверен.
ОсновиУчебна програма
Обучението по учебната програма обучава AI модели на примери в умишлен ред – първо лесно, по-късно трудно – вместо да подават данни в произволен ред.
ОсновиТърсене на невронна архитектура
Neural Architecture Search (NAS) автоматизира проектирането на структури на невронни мрежи - позволявайки на алгоритмите, а не на хората, да решат колко слоя, какви операции...
ОсновиНепрекъснато учене и катастрофално забравяне
Непрекъснатото обучение е целта на обучението на AI за поток от нови задачи с течение на времето, без да изтрива това, което вече знае.
ОсновиВариационни автоенкодери
Вариационните автоенкодери (VAE) са генеративни невронни мрежи, които се учат да компресират данни в гладко, вероятностно латентно пространство и след това реконструират...
ОсновиДържавни космически модели и Мамба
Моделите на пространството на състоянието (SSM) са модели на последователност, които пренасят информация напред през компресирано скрито състояние, като вместо това се мащабират линейно с дължина на последователност...
ОсновиГрафика на невронни мрежи
Графичните невронни мрежи (GNN) са модели, които се учат директно на графично структурирани данни - възли, свързани с ръбове - чрез предаване и агрегиране на информация...
ОсновиMulti-Agent Reinforcement Learning
Multi-Agent Reinforcement Learning (MARL) обучава няколко обучаващи агенти, които споделят среда, като всеки адаптира поведението си, докато останалите също се адаптират.
ОсновиАктивно учене
Активното учене е стратегия за обучение, при която моделът сам избира кои немаркирани примери човекът трябва да маркира следващия.
ОсновиУвеличаване на данни
Увеличаването на данни изкуствено разширява обучителен набор чрез създаване на модифицирани копия на съществуващи примери - като обръщане или изрязване на изображения.
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.