01
Основи на AI
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Безплатна AI библиотека
Научете AI.Свободен завинаги.
1019 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.
1019Безплатни ръководства
9Тематични песни
~2 minПо ръководство
~34hReading 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
1019 на 1019 показани ръководства. Филтрирайте по песен или потърсете по-горе.
технически
Дълбокоразделими извивки
Разделимите навивки в дълбочина разделят стандартна навивка на две по-евтини стъпки, намалявайки броя на умноженията и параметрите.
техническиРазширени и атрални извивки
Разширените навивки (наричани още атрични навивки) вмъкват празнини между теглата на филтъра, така че ядрото покрива много по-голяма площ без добавяне на параметри.
техническиМагистрални мрежи и пропускащи връзки
Прескачащите връзки позволяват на информацията да прескача през слоевете, а магистралните мрежи бяха ранна затворена версия на тази идея.
Езиков AIELECTRA Предварителна подготовка
ELECTRA е по-ефективен начин за предварително обучение на езикови модели, като ги научите да откриват фалшиви думи, вместо да отгатват скрити.
Езиков AIРецепта за обучение на RoBERTa
RoBERTa показа, че BERT е значително недостатъчно обучен: чрез настройка на рецептата, а не на архитектурата, той постави нови рекорди за сравнение.
Езиков AIXLNet пермутационно моделиране
XLNet съчетава двупосочния контекст на BERT с авторегресивното предсказване на GPT чрез обучение върху произволно подреждане на думи.
техническиАдаптиране на домейна
Адаптирането на домейна е набор от техники за направата на модел, обучен върху един вид данни (изходния домейн), да работи добре върху различен, но свързан вид данни...
Езиков AIДърво на мислите
Дървото на мислите (ToT) е подсказваща рамка, която позволява на езиков модел да изследва множество разсъждаващи пътища паралелно, като клони на дърво, вместо това...
Езиков AIДекодиране на самосъгласуваност
Самосъгласуваността е стратегия за декодиране, която взема проби от много различни пътища на разсъждение от езиков модел и след това избира отговора, с който повечето от тях са съгласни.
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.
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.