01
Основи на AI
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Безплатна AI библиотека
технически водачиСвободен завинаги.
177 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.
177Безплатни ръководства
1Тематични песни
~2 minПо ръководство
~6hReading 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
177 на 1019 показани ръководства. Филтрирайте по песен или потърсете по-горе.
технически
Принуждаване на учителя в последователни модели
Принуждаването на учителя е трик за обучение за модели на последователност, където истинският предишен токен, а не собственото предположение на модела, се подава като следващ вход.
техническиПланирано вземане на проби и отклонение на експозицията
Пристрастието на експозицията е празнината, която се появява, когато модел, обучен само на перфектни префикси, трябва, при заключение, да обуслови собствените си несъвършени резултати.
техническиФокална загуба за небалансирано откриване
Фокалната загуба е модифицирана функция за загуба, която намалява теглото на лесните примери, така че детекторът да може да се фокусира върху трудните, редки.
техническиУвеличаване на тестовото време
Увеличаването на времето за тестване (TTA) изпълнява обучен модел върху няколко променени версии на един и същ вход и усреднява прогнозите.
техническиОтрицателно вземане на проби и контрастно оценяване на шума
Отрицателното вземане на проби и контрастната оценка на шума (NCE) са трикове, които позволяват на моделите да се обучават върху огромни речници, без да изчисляват скъпоструващ пълен софтмакс.
техническиЦели на InfoNCE и SimCLR
InfoNCE е контрастната загуба, която учи модела да събира съвпадащи двойки заедно и да раздалечава несъответстващите двойки в пространството за вграждане.
техническиСтохастично осредняване на теглото
Стохастичното осредняване на теглото (SWA) взема проста средна стойност на теглата на модела от няколко точки в края на тренировката, вместо просто да запази окончателното...
техническиLookahead и Lion Optimizers
Lookahead и Lion са две модерни обрати в оптимизацията на невронни мрежи.
техническиMixup и CutMix Augmentation
Mixup и CutMix са методи за увеличаване на данни, които създават нови примери за обучение чрез смесване на две изображения и техните етикети.
техническиОнлайн и твърд негативен майнинг
Твърдото отрицателно копаене избира най-информативните, трудни за разграничаване примери, върху които да тренирате, вместо да губите усилия върху лесните, които моделът вече получава...
техническиКапсулни мрежи
Капсулните мрежи са невронна архитектура, която групира неврони в „капсули“, които извеждат вектори, кодиращи както дали дадена характеристика съществува, така и нейната позиция...
техническиМрежи за състояние на ехо и изчисляване на резервоари
Резервоарното изчисление е умен пряк път за обучение на повтарящи се мрежи: оставете голям, произволно свързан „резервоар“ от неврони фиксиран и обучавайте само...
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.