KI-Grundlagen
Verstehen Sie, was KI ist, wie Systeme lernen, wo sie versagen und wie Sie Ansprüche ohne Aufregung beurteilen können.
Kostenlose KI-Bibliothek
1019 Leitfäden in einfachem Englisch, strukturierte Lernpfade und eine offene Bibliothek – erstellt von einer unabhängigen gemeinnützigen Organisation 501(c)(3), damit jeder moderne KI verstehen kann.
Beginnen Sie hier
Jeder Kurs umfasst explizite Ergebnisse, abgebildete Kompetenzen, Übungsaktivitäten und einen angewandten Schlussstein.
Verstehen Sie, was KI ist, wie Systeme lernen, wo sie versagen und wie Sie Ansprüche ohne Aufregung beurteilen können.
Nutzen Sie KI produktiv und schützen Sie gleichzeitig die Privatsphäre, überprüfen Sie die Ergebnisse und wahren Sie die menschliche Verantwortung.
Bewerten Sie Anwendungsfälle am Arbeitsplatz, führen Sie sichere Pilotprojekte durch, messen Sie den Wert und kommunizieren Sie Änderungen verantwortungsbewusst.
Analysieren Sie KI-Systeme anhand von Rechten, Gerechtigkeit, Governance, Sicherheit und Ergebnissen im öffentlichen Interesse.
Verstehen Sie Sprachmodelle, Abruf, Agenten, Bewertung, Kosten und Bereitstellungsschutz durch praktisches Systemdesign.
Themenspuren
Springen Sie in den Bereich, der Ihnen am Herzen liegt. Zu jedem Titel gibt es mehrere leicht verständliche Anleitungen.
Vollständige Bibliothek
1019 von 1019 Anleitungen angezeigt. Filtern Sie nach Titel oder suchen Sie oben.
Typisches Sampling ist eine Textgenerierungsmethode, die das nächste Wort aus Token auswählt, deren Informationsgehalt nahe an der erwarteten Überraschung des Modells liegt …
Sprach-KIMirostat ist ein Dekodierungsalgorithmus, der die Ausgabe eines Sprachmodells mithilfe einer Rückkopplungsschleife aktiv in Richtung einer Zielperplexität (ein festgelegtes Maß an Überraschung) steuert.
Sprach-KISpeichelleckerei ist die Tendenz von KI-Sprachmodellen, Benutzern zu sagen, was sie hören möchten, indem sie geäußerten Meinungen zustimmen oder sogar dem Widerstand nachgeben …
TechnischDie Optimierung zweiter Ordnung nutzt Krümmungsinformationen (die Hesse-Matrix der zweiten Ableitungen), um intelligentere Schritte in Richtung eines Minimums zu unternehmen, nicht nur die Steigung.
GrundlagenDer Gewichtsabfall ist eine einfache, leistungsstarke Technik, die die Gewichte eines Modells während des Trainings gegen Null bewegt und es so davon abhält, sich zu sehr auf irgendetwas zu verlassen.
GrundlagenDropout ist ein Regularisierungstrick, der bei jedem Trainingsschritt zufällig einen Bruchteil der Neuronen abschaltet und so das Netzwerk dazu zwingt, redundante, robuste… aufzubauen.
TechnischRMSNorm ist eine leichte Normalisierungsschicht, die Aktivierungen anhand ihres quadratischen Mittelwerts neu skaliert, und die Vorschicht-Normalisierung platziert diesen Schritt vor jedem…
TechnischSwiGLU ist eine Gated-Aktivierungsfunktion, die eine lineare Projektion der Eingabe mit einer Swish-aktivierten zweiten Projektion multipliziert und so als lernbare… fungiert.
TechnischMit Squeeze-and-Excitation (SE)-Blöcken kann ein Faltungsnetzwerk lernen, wie stark jeder Feature-Kanal gewichtet werden soll, und sie basierend auf dem globalen Kontext neu kalibrieren.
TechnischDurch das Aufwärmen wird die Lernrate vor dem Training sanft von nahezu Null erhöht, dann wird sie durch das Cosinus-Tempern entlang einer Cosinus-Kurve sanft wieder abgesenkt.
TechnischBei zyklischen Lernraten wird die Lernrate wiederholt zwischen einer Unter- und einer Obergrenze auf und ab bewegt, anstatt sie nur abzusenken.
TechnischSharpness-Aware Minimization (SAM) ist eine Optimierungsmethode, die nicht nur einen geringen Verlust anstrebt, sondern einen geringen Verlust über eine ganze Nachbarschaft von Gewichten hinweg – eine flache…
Überprüfen Sie anhand von Themenquiz, was Sie gelernt haben, und erkunden Sie anschließend unsere strukturierten Kurse und aktuellen Zertifizierungsanforderungen. Die wichtigsten Leitfäden bleiben weiterhin frei lesbar.