AI základy
Pochopte, co je AI, jak se systémy učí, kde selhávají a jak posuzovat tvrzení bez přehánění.
AI knihovna zdarma
84 Průvodci v jednoduché angličtině, strukturované výukové programy a otevřená knihovna – vytvořené nezávislou neziskovou organizací 501(c)(3), takže moderní umělé inteligenci může porozumět každý.
Začněte zde
Každý kurz obsahuje explicitní výsledky, namapované kompetence, cvičné aktivity a aplikovaný závěrečný projekt.
Pochopte, co je AI, jak se systémy učí, kde selhávají a jak posuzovat tvrzení bez přehánění.
Používejte AI produktivně, zároveň chránit soukromí, kontrolovat výstupy a zachovávat lidskou odpovědnost.
Vyhodnocujte případy použití na pracovišti, spusávejte bezpečné pilotní projekty, měřte hodnotu a zodpovědně komunikujte změny.
Analyzovat AI systémy z hlediska práv, spravedlnosti, správy, bezpečnosti a výsledků veřejného zájmu.
Pochopte jazykové modely, vyhledávání, agenty, hodnocení, náklady a bezpečnostní opatření nasazení prostřednictvím praktického návrhu systému.
Tématické stopy
Skočte do oblasti, na které vám záleží. Každá trať má několik jednoduchých anglických průvodců.
Plná knihovna
84 z 1019 zobrazena vodítka. Filtrujte podle skladby nebo vyhledávání výše.
Umělá inteligence (AI) je oblast budování počítačových systémů, které plní úkoly, jako je rozpoznávání vzorců, porozumění jazyku, plánování…
ZákladySystémy strojového učení se učí úpravou modelu pomocí dat a cíle školení.
ZákladyNeuronová síť je model strojového učení složený z propojených matematických operací s nastavitelnými parametry.
ZákladyHluboké učení je odvětví strojového učení, které využívá neuronové sítě s více vrstvami k učení reprezentací dat.
ZákladyŠkolení AI je proces úpravy modelu strojového učení pomocí příkladů a cíle učení.
ZákladyInference je použití trénovaného modelu k vytvoření výstupu z nového vstupu.
ZákladyData jsou zaznamenané informace, ze kterých se systém strojového učení učí nebo které zpracovává.
ZákladyModel strojového učení je matematický systém, který mapuje vstupy na výstupy pomocí struktury a naučených parametrů.
ZákladyMachine learning builds models whose behavior is fitted from examples rather than written entirely as explicit rules.
ZákladySupervised learning fits a model using examples that pair inputs with target outputs.
ZákladyUnsupervised learning looks for structure in data without a target label for every example.
ZákladyGenerative AI produces outputs such as text, images, audio, or code using learned statistical patterns and supplied context.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.