01
AI základy
Pochopte, co je AI, jak se systémy učí, kde selhávají a jak posuzovat tvrzení bez přehánění.
AI knihovna zdarma
Naučte se AI.Navždy zdarma.
1019 Průvodci v jednoduché angličtině, strukturované výukové programy a otevřená knihovna – vytvořené nezávislou neziskovou organizací 501(c)(3), takže moderní umělé inteligenci může porozumět každý.
1019Zdarma průvodci
9Tématické stopy
~2 minPodle průvodce
~34hDoba čtení
Začněte zde
Pět Kurzy založené na výsledcích
Každý kurz obsahuje explicitní výsledky, namapované kompetence, cvičné aktivity a aplikovaný závěrečný projekt.
02
Zodpovědný uživatel AI
Používejte AI produktivně, zároveň chránit soukromí, kontrolovat výstupy a zachovávat lidskou odpovědnost.
03
AI v práci
Vyhodnocujte případy použití na pracovišti, spusávejte bezpečné pilotní projekty, měřte hodnotu a zodpovědně komunikujte změny.
04
Zásady a společnost AI
Analyzovat AI systémy z hlediska práv, spravedlnosti, správy, bezpečnosti a výsledků veřejného zájmu.
05
Budování pomocí systémů AI
Pochopte jazykové modely, vyhledávání, agenty, hodnocení, náklady a bezpečnostní opatření nasazení prostřednictvím praktického návrhu systému.
Tématické stopy
Procházet podle stopy
Skočte do oblasti, na které vám záleží. Každá trať má několik jednoduchých anglických průvodců.
ZákladyZákladní koncepty: jak AI funguje na vysoké úrovni.84 průvodci Jazyk AILLM, NLP, ChatGPT, výzvy a porozumění textu.155 průvodci Vizuální AIGenerování obrazu, počítačové vidění, video a design.133 průvodci Audio AIHlas, hudba, podcasting a umělá inteligence na prvním místě ve zvuku.117 průvodci SpolečnostiProfily OpenAI, Anthropic, Google, Meta a další.121 průvodci AplikaceJak se AI projevuje v kódování, vyhledávání, agentech a každodenním životě.111 průvodci Průmyslová odvětvíAI ve zdravotnictví, financích, vzdělávání, energetice a dalších.91 průvodci TechnickýČipy, jemné ladění, RAG, vektory a infrastruktura AI.177 průvodci SpolečnostPředpojatost, soukromí, autorská práva, bezpečnost a budoucnost umělé inteligence.30 průvodci
Plná knihovna
Všichni průvodci
1019 z 1019 zobrazena vodítka. Filtrujte podle skladby nebo vyhledávání výše.
Jazyk AI
Typické vzorkování
Typické vzorkování je metoda generování textu, která vybírá další slovo z tokenů, jejichž informační obsah se blíží očekávanému překvapení modelu…
Jazyk AIOvládání Mirostat Perplexity
Mirostat je dekódovací algoritmus, který aktivně řídí výstup jazykového modelu směrem k cílové zmatenosti (nastavené úrovni překvapení) pomocí zpětnovazební smyčky.
Jazyk AISykofanismus v jazykových modelech
Sykofanismus je tendence jazykových modelů umělé inteligence říkat uživatelům to, co chtějí slyšet, souhlasit s vyslovenými názory nebo ustupovat, i když…
TechnickýOptimalizace druhého řádu a Newtonovy metody
Optimalizace druhého řádu využívá informace o zakřivení (Hessova matice druhých derivací), aby podnikla chytřejší kroky směrem k minimu, nejen ke sklonu.
ZákladyÚbytek hmotnosti a L2 regularizace
Hubnutí je jednoduchá, výkonná technika, která během tréninku posouvá váhu modelky k nule, čímž ji odrazuje od přílišného spoléhání se na...
ZákladyDropout a Stochastická regularizace
Dropout je regularizační trik, který náhodně vypíná zlomek neuronů během každého tréninkového kroku, čímž nutí síť budovat redundantní, robustní…
TechnickýRMSNorm a Pre-Layer Normalization
RMSNorm je lehká normalizační vrstva, která mění měřítko aktivací podle jejich odmocniny a normalizace před vrstvou umisťuje tento krok před každou…
TechnickýSwiGLU a Gated Activations
SwiGLU je hradlová aktivační funkce, která násobí jednu lineární projekci vstupu druhou projekcí aktivovanou Swish a funguje jako naučná…
TechnickýSítě typu squeeze-and-excitation
Bloky Squeeze-and-Excitation (SE) umožňují konvoluční síti naučit se, jak moc vážit každý kanál funkce, a překalibrovat je na základě globálního kontextu.
TechnickýPlány zahřívání a kosinového žíhání
Warmup před tréninkem jemně zvýší rychlost učení z téměř nuly, pak kosinové žíhání plynule sníží rychlost zpět dolů po kosinusové křivce.
TechnickýCyklické míry učení
Cyklické rychlosti učení opakovaně cyklují rychlost učení nahoru a dolů mezi dolní a horní hranicí, místo aby ji pouze snižovaly.
TechnickýMinimalizace s ohledem na ostrost
Sharpness-Aware Minimization (SAM) je optimalizační metoda, která usiluje nejen o nízkou ztrátu, ale i nízkou ztrátu v celém okolí závaží – rovný…
Dočetl jsi to? Dokaž to.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.