AI knihovna zdarma

Základy průvodciNavždy 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.

84Zdarma průvodci
1Tématické stopy
~2 minPodle průvodce
~3hDoba čtení

Začněte zde

Pět Kurzy založené na výsledcích

Každý kurz obsahuje explicitní výsledky, namapované kompetence, cvičné aktivity a aplikovaný závěrečný projekt.

Tématické stopy

Procházet podle stopy

Skočte do oblasti, na které vám záleží. Každá trať má několik jednoduchých anglických průvodců.

Plná knihovna

Všichni průvodci

84 z 1019 zobrazena vodítka. Filtrujte podle skladby nebo vyhledávání výše.

Základy

Meta-Učení

Meta-učení, neboli „učit se učit“, trénuje modely, aby se rychle přizpůsobily zcela novým úkolům, a to pouze z několika příkladů.

2 min přečtenoPřečtěte si
Základy

Ensemble Methods a Gradient Boosting

Ensemble metody kombinují mnoho jednoduchých modelů, takže skupina dělá lepší předpovědi než jakýkoli jednotlivý model.

2 min přečtenoPřečtěte si
Základy

Bayesovské hluboké učení

Bayesovské hluboké učení zachází s váhami neuronové sítě spíše jako s rozdělením pravděpodobnosti než s pevnými čísly, takže model může říci, jak je jistý.

2 min přečtenoPřečtěte si
Základy

Učební osnovy

Výuka kurikula trénuje modely umělé inteligence na příkladech v záměrném pořadí – nejprve snadno, později obtížně – namísto podávání dat v náhodném pořadí.

2 min přečtenoPřečtěte si
Základy

Hledání neuronové architektury

Neural Architecture Search (NAS) automatizuje návrh struktur neuronové sítě – nechává algoritmy, ne lidi, rozhodovat o tom, kolik vrstev, jaké operace…

2 min přečtenoPřečtěte si
Základy

Neustálé učení a katastrofické zapomínání

Kontinuální učení je cílem trénovat AI na proudu nových úkolů v průběhu času, aniž by se vymazalo to, co již zná.

2 min přečtenoPřečtěte si
Základy

Variační automatické kodéry

Variační autokodéry (VAE) jsou generativní neuronové sítě, které se učí komprimovat data do hladkého, pravděpodobnostního latentního prostoru a poté rekonstruovat…

2 min přečtenoPřečtěte si
Základy

Státní vesmírné modely a Mamba

Modely stavového prostoru (SSM) jsou sekvenční modely, které přenášejí informace vpřed prostřednictvím komprimovaného skrytého stavu, lineárně se škálují s délkou sekvence místo toho…

2 min přečtenoPřečtěte si
Základy

Graf neuronových sítí

Grafové neuronové sítě (GNN) jsou modely, které se učí přímo na grafově strukturovaných datech – uzlech spojených hranami – předáváním a agregací informací…

2 min přečtenoPřečtěte si
Základy

Multi-Agent posilování učení

Multi-Agent Reinforcement Learning (MARL) trénuje několik učících se agentů, kteří sdílejí prostředí, přičemž každý přizpůsobuje své chování, zatímco ostatní se přizpůsobují také.

2 min přečtenoPřečtěte si
Základy

Aktivní učení

Aktivní učení je tréninková strategie, kde si model sám vybírá, které neoznačené příklady by měl člověk označit jako další.

2 min přečtenoPřečtěte si
Základy

Rozšíření dat

Rozšíření dat uměle rozšiřuje trénovací sadu vytvářením upravených kopií existujících příkladů – jako je obracení nebo ořezávání obrázků.

2 min přečtenoPřečtěte si

Dočetl jsi to? Dokaž to.

Zkontrolujte, co jste se naučili, pomocí tematického kvízu a poté prozkoumejte naše strukturované kurzy nebo se snažte získat certifikát. Každý průvodce zůstává zdarma ke čtení.