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.
Το Meta-learning, ή "learning to learn", εκπαιδεύει τα μοντέλα ώστε να προσαρμόζονται γρήγορα σε ολοκαίνουργιες εργασίες από λίγα μόνο παραδείγματα.
Βασικές αρχέςΟι μέθοδοι συνόλου συνδυάζουν πολλά απλά μοντέλα, ώστε η ομάδα να κάνει καλύτερες προβλέψεις από οποιοδήποτε μεμονωμένο μοντέλο.
Βασικές αρχέςΗ Bayesian deep learning αντιμετωπίζει τα βάρη ενός νευρωνικού δικτύου ως κατανομές πιθανοτήτων και όχι ως σταθερούς αριθμούς, ώστε το μοντέλο να μπορεί να πει πόσο σίγουρο είναι.
Βασικές αρχέςΗ εκμάθηση προγράμματος σπουδών εκπαιδεύει μοντέλα τεχνητής νοημοσύνης σε παραδείγματα με σκόπιμη σειρά — πρώτα εύκολα, αργότερα δύσκολα — αντί να τροφοδοτεί δεδομένα με τυχαία σειρά.
Βασικές αρχέςΤο Neural Architecture Search (NAS) αυτοματοποιεί τη σχεδίαση δομών νευρωνικών δικτύων — αφήνοντας αλγόριθμους, όχι ανθρώπους, να αποφασίζουν πόσα επίπεδα, ποιες λειτουργίες…
Βασικές αρχέςΗ συνεχής μάθηση είναι ο στόχος της εκπαίδευσης της τεχνητής νοημοσύνης σε μια ροή νέων εργασιών με την πάροδο του χρόνου χωρίς να διαγραφεί αυτό που ήδη γνωρίζει.
Βασικές αρχέςΟι μεταβλητοί αυτοκωδικοποιητές (VAE) είναι γενετικά νευρωνικά δίκτυα που μαθαίνουν να συμπιέζουν δεδομένα σε έναν ομαλό, πιθανολογικό λανθάνοντα χώρο και στη συνέχεια να ανακατασκευάζουν…
Βασικές αρχέςΤα μοντέλα χώρου κατάστασης (SSM) είναι μοντέλα ακολουθίας που μεταφέρουν πληροφορίες προς τα εμπρός μέσω μιας συμπιεσμένης κρυφής κατάστασης, κλιμακώνοντας γραμμικά με μήκος ακολουθίας αντί…
Βασικές αρχέςΤα νευρωνικά δίκτυα γραφημάτων (GNN) είναι μοντέλα που μαθαίνουν απευθείας σε δεδομένα δομημένων γραφημάτων — κόμβοι που συνδέονται με ακμές — περνώντας και συγκεντρώνοντας πληροφορίες…
Βασικές αρχέςΤο Multi-Agent Reinforcement Learning (MARL) εκπαιδεύει πολλούς μαθησιακούς πράκτορες που μοιράζονται ένα περιβάλλον, ο καθένας προσαρμόζει τη συμπεριφορά του ενώ οι άλλοι προσαρμόζονται επίσης.
Βασικές αρχέςΗ ενεργός μάθηση είναι μια στρατηγική εκπαίδευσης όπου το ίδιο το μοντέλο επιλέγει ποια παραδείγματα χωρίς ετικέτα θα πρέπει να επισημάνει ο άνθρωπος στη συνέχεια.
Βασικές αρχέςΗ αύξηση δεδομένων επεκτείνει τεχνητά ένα σύνολο εκπαίδευσης δημιουργώντας τροποποιημένα αντίγραφα υπαρχόντων παραδειγμάτων — όπως αναστροφή ή περικοπή εικόνων.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.