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.
Difúzní modely generují obrazy tak, že se učí zvrátit proces šumu a převádějí náhodnou statickou elektřinu na detailní obrázky krok za krokem.
ZákladyUčení se málokdy je schopnost naučit se nový úkol jen z hrstky příkladů místo z tisíců.
ZákladyVložení mění slova, obrázky nebo jiná data na seznamy čísel (vektorů), takže podobné věci končí těsně u sebe ve vysokorozměrném prostoru.
ZákladyTokenizace je krok, který rozseká text na menší kousky zvané tokeny, jednotky, které jazykový model skutečně čte a předpovídá.
ZákladyFunkce Feature Engineering je umění převádět nezpracovaná data na informativní vstupy (funkce), které pomáhají modelu učit se.
ZákladyRozhodovací strom vytváří předpovědi kladením řady jednoduchých otázek ano/ne, jako je vývojový diagram.
ZákladyPodporný vektorový stroj (SVM) je klasický algoritmus, který odděluje dvě skupiny tak, že mezi nimi nakreslí nejširší možnou hranici.
ZákladyRedukce rozměrů zmenšuje data z mnoha sloupců (prvků) na několik, přičemž zachovává důležitou strukturu.
ZákladyTransfer learning znovu používá model již natrénovaný na velké datové sadě a přizpůsobuje jej novému souvisejícímu úkolu.
ZákladySamokontrolované učení trénuje modely na neoznačených datech vynalézáním úlohy, jejíž odpověď je skryta uvnitř samotných dat.
ZákladyČástečně řízené učení trénuje na malém množství označených dat plus velké množství neoznačených dat.
ZákladyDetekce anomálií je praxe, kdy se stroje učí označovat datové body, které se ostře odchylují od normálních vzorů.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.