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
Обслужване на дезагрегирано предварително попълване и декодиране
Архитектура за обслужване, която разделя извода за големия езиков модел на две отделни фази – предварително попълване и декодиране – и ги изпълнява на различни групи GPU.
техническиLLM Inference Routing и Load Balancing
Контролният слой, който решава кой модел реплика, GPU или бекенд трябва да обработва всяка входяща LLM заявка и как да разпределя трафика, така че нито един сървър да не е...
техническиТензорен паралелизъм за големи модели
Начин за разделяне на математиката вътре в един слой невронна мрежа между множество графични процесори, така че модел, който е твърде голям за едно устройство, все още да може да работи.
техническиСаморефлексия в Agent Loops
Саморефлексията позволява на AI агент да критикува собствените си резултати и действия по време на задачата, след което да преразгледа въз основа на тази критика.
техническиДърво на мисли
Tree-of-Thoughts позволява на модела да изследва много пътища на разсъждение успоредно, като клони на дърво, вместо да се ангажира с една линия на мисълта.
техническиГрафика на мисли Разсъждение
Graph-of-Thoughts моделира разсъжденията като мрежа, в която мислите могат да се сливат, зациклят и свързват свободно, а не само да се разклоняват.
техническиКласов дисбаланс и повторна семплиране
Класовият дисбаланс е, когато един резултат значително превъзхожда друг - като 99,9% легитимни транзакции срещу 0.
техническиАвтоенкодери
Автокодерът е невронна мрежа, която се научава да компресира данни в компактен код и след това да го реконструира, принуждавайки мрежата да улавя само най-много...
техническиСиамски мрежи и триплетна загуба
Сиамските мрежи използват два или повече идентични клона за споделяне на тежестта, за да научат колко сходни са два входа, вместо да класифицират всеки един.
техническиМногозадачно обучение
Многозадачното обучение обучава един модел да изпълнява няколко свързани задачи наведнъж, споделяйки вътрешни представяния между тях.
техническиКонформно прогнозиране
Конформното прогнозиране обвива всеки модел, за да изведе набор или интервал, който гарантирано съдържа истинския отговор с избрана вероятност, като 90%.
техническиКалибриране на вероятността
Калибрирането означава, че посочените от модела вероятности съвпадат с реалността: когато пише 70%, събитието трябва да се случи около 70% от времето.
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.