Θεμέλια AI
Κατανοήστε τι είναι η τεχνητή νοημοσύνη, πώς μαθαίνουν τα συστήματα, πού αποτυγχάνουν και πώς να κρίνετε ισχυρισμούς χωρίς διαφημιστική εκστρατεία.
Δωρεάν βιβλιοθήκη AI
84 Απλοί Αγγλικοί οδηγοί, δομημένες διαδρομές μάθησης και μια ανοιχτή βιβλιοθήκη — χτισμένη από έναν ανεξάρτητο μη κερδοσκοπικό οργανισμό 501(c)(3), ώστε ο καθένας να μπορεί να κατανοήσει τη σύγχρονη τεχνητή νοημοσύνη.
Ξεκινήστε εδώ
Κάθε μάθημα περιλαμβάνει σαφή αποτελέσματα, χαρτογραφημένες ικανότητες, δραστηριότητες εξάσκησης και ένα εφαρμοσμένο ορόσημο.
Κατανοήστε τι είναι η τεχνητή νοημοσύνη, πώς μαθαίνουν τα συστήματα, πού αποτυγχάνουν και πώς να κρίνετε ισχυρισμούς χωρίς διαφημιστική εκστρατεία.
Χρησιμοποιήστε την τεχνητή νοημοσύνη παραγωγικά προστατεύοντας παράλληλα το απόρρητο, ελέγχοντας τα αποτελέσματα και διατηρώντας την ανθρώπινη ευθύνη.
Αξιολογήστε περιπτώσεις χρήσης στο χώρο εργασίας, εκτελέστε ασφαλείς πιλότους, μετρήστε την αξία και κοινοποιήστε τις αλλαγές με υπευθυνότητα.
Αναλύστε συστήματα τεχνητής νοημοσύνης μέσω δικαιωμάτων, ισότητας, διακυβέρνησης, ασφάλειας και αποτελεσμάτων δημοσίου συμφέροντος.
Κατανοήστε τα γλωσσικά μοντέλα, την ανάκτηση, τους πράκτορες, την αξιολόγηση, το κόστος και τις διασφαλίσεις ανάπτυξης μέσω του πρακτικού σχεδιασμού του συστήματος.
Θεματικά κομμάτια
Πήδα στην περιοχή που σε ενδιαφέρει. Κάθε κομμάτι έχει πολλούς απλούς αγγλικούς οδηγούς.
Πλήρης βιβλιοθήκη
84 του 1019 εμφανίζονται οδηγοί. Φιλτράρισμα ανά κομμάτι ή αναζήτηση παραπάνω.
Τα μοντέλα διάχυσης δημιουργούν εικόνες μαθαίνοντας να αντιστρέφουν μια διαδικασία θορύβου, μετατρέποντας το τυχαίο στατικό σε λεπτομερείς εικόνες βήμα προς βήμα.
Βασικές αρχέςΗ εκμάθηση με λίγες λήψεις είναι η ικανότητα να μαθαίνεις μια νέα εργασία από μια χούφτα παραδείγματα αντί για χιλιάδες.
Βασικές αρχέςΟι ενσωματώσεις μετατρέπουν λέξεις, εικόνες ή άλλα δεδομένα σε λίστες αριθμών (διανύσματα) έτσι ώστε παρόμοια πράγματα να καταλήγουν κοντά σε έναν χώρο υψηλών διαστάσεων.
Βασικές αρχέςTokenization είναι το βήμα που κόβει το κείμενο σε μικρότερα κομμάτια που ονομάζονται tokens, τις μονάδες που ένα γλωσσικό μοντέλο διαβάζει και προβλέπει πραγματικά.
Βασικές αρχέςΗ μηχανική χαρακτηριστικών είναι η τέχνη της μετατροπής ακατέργαστων δεδομένων σε ενημερωτικές εισροές (χαρακτηριστικά) που βοηθούν ένα μοντέλο να μάθει.
Βασικές αρχέςΈνα δέντρο αποφάσεων κάνει προβλέψεις κάνοντας μια σειρά από απλές ερωτήσεις ναι/όχι, όπως ένα διάγραμμα ροής.
Βασικές αρχέςΜια μηχανή διανυσμάτων υποστήριξης (SVM) είναι ένας κλασικός αλγόριθμος που διαχωρίζει δύο ομάδες σχεδιάζοντας το ευρύτερο δυνατό όριο μεταξύ τους.
Βασικές αρχέςΗ μείωση διαστάσεων συρρικνώνει τα δεδομένα από πολλές στήλες (χαρακτηριστικά) σε λίγες, ενώ διατηρεί τη σημαντική δομή.
Βασικές αρχέςΗ εκμάθηση μεταφοράς επαναχρησιμοποιεί ένα μοντέλο που έχει ήδη εκπαιδευτεί σε ένα μεγάλο σύνολο δεδομένων και το προσαρμόζει σε μια νέα, σχετική εργασία.
Βασικές αρχέςΗ αυτοεποπτευόμενη μάθηση εκπαιδεύει μοντέλα σε δεδομένα χωρίς ετικέτα, εφευρίσκοντας μια εργασία της οποίας η απάντηση είναι κρυμμένη μέσα στα ίδια τα δεδομένα.
Βασικές αρχέςΗ ημι-εποπτευόμενη εκμάθηση εκπαιδεύεται σε μια μικρή ποσότητα δεδομένων με ετικέτα συν μια μεγάλη δεξαμενή δεδομένων χωρίς ετικέτα.
Βασικές αρχέςΗ ανίχνευση ανωμαλιών είναι η πρακτική της διδασκαλίας των μηχανών να επισημαίνουν σημεία δεδομένων που αποκλίνουν έντονα από τα κανονικά πρότυπα.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.