01
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
Τεχνικά οδηγούςΔωρεάν για πάντα.
177 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.
177Δωρεάν οδηγοί
1Θεματικά κομμάτια
~2 minΑνά οδηγό
~6hΏρα ανάγνωσης
Ξεκινήστε εδώ
Πέντε μαθήματα βασισμένα στο αποτέλεσμα
Κάθε μάθημα περιλαμβάνει σαφή αποτελέσματα, χαρτογραφημένες ικανότητες, δραστηριότητες εξάσκησης και ένα εφαρμοσμένο ορόσημο.
02
Υπεύθυνος χρήστης AI
Χρησιμοποιήστε την τεχνητή νοημοσύνη παραγωγικά προστατεύοντας παράλληλα το απόρρητο, ελέγχοντας τα αποτελέσματα και διατηρώντας την ανθρώπινη ευθύνη.
03
AI στην εργασία
Αξιολογήστε περιπτώσεις χρήσης στο χώρο εργασίας, εκτελέστε ασφαλείς πιλότους, μετρήστε την αξία και κοινοποιήστε τις αλλαγές με υπευθυνότητα.
04
Πολιτική & Κοινωνία AI
Αναλύστε συστήματα τεχνητής νοημοσύνης μέσω δικαιωμάτων, ισότητας, διακυβέρνησης, ασφάλειας και αποτελεσμάτων δημοσίου συμφέροντος.
05
Κατασκευή με συστήματα AI
Κατανοήστε τα γλωσσικά μοντέλα, την ανάκτηση, τους πράκτορες, την αξιολόγηση, το κόστος και τις διασφαλίσεις ανάπτυξης μέσω του πρακτικού σχεδιασμού του συστήματος.
Θεματικά κομμάτια
Περιήγηση ανά κομμάτι
Πήδα στην περιοχή που σε ενδιαφέρει. Κάθε κομμάτι έχει πολλούς απλούς αγγλικούς οδηγούς.
Βασικές αρχέςΒασικές έννοιες: πώς λειτουργεί το AI σε υψηλό επίπεδο.84 οδηγούς Γλώσσα AILLM, NLP, ChatGPT, προτροπή και κατανόηση κειμένου.155 οδηγούς Οπτική τεχνητή νοημοσύνηΠαραγωγή εικόνας, όραση υπολογιστή, βίντεο και σχεδιασμός.133 οδηγούς Ήχος AIΦωνή, μουσική, podcasting και τεχνητή νοημοσύνη πρώτα στον ήχο.117 οδηγούς ΕταιρείεςΠροφίλ των OpenAI, Anthropic, Google, Meta και άλλων.121 οδηγούς ΕφαρμογέςΠώς εμφανίζεται το AI στην κωδικοποίηση, την αναζήτηση, τους πράκτορες και την καθημερινή ζωή.111 οδηγούς ΒιομηχανίεςAI στην υγειονομική περίθαλψη, τα οικονομικά, την εκπαίδευση, την ενέργεια και πολλά άλλα.91 οδηγούς ΤεχνικάChips, τελειοποίηση, RAG, διανύσματα και υποδομή AI.177 οδηγούς ΚοινωνίαΜεροληψία, απόρρητο, πνευματικά δικαιώματα, ασφάλεια και το μέλλον της τεχνητής νοημοσύνης.30 οδηγούς
Πλήρης βιβλιοθήκη
Όλοι οι οδηγοί
177 του 1019 εμφανίζονται οδηγοί. Φιλτράρισμα ανά κομμάτι ή αναζήτηση παραπάνω.
Τεχνικά
Προσοχή Rollout και Head Pruning
Το Attention rollout είναι μια μέθοδος για τον εντοπισμό του τρόπου με τον οποίο οι πληροφορίες ρέουν μέσα από τα στοιβαγμένα επίπεδα προσοχής ενός Transformer για να εξηγηθεί ποια διακριτικά εισόδου επηρεάζουν…
ΤεχνικάΒελτιστοποίηση δεύτερης τάξης και μέθοδοι Newton
Η βελτιστοποίηση δεύτερης τάξης χρησιμοποιεί πληροφορίες καμπυλότητας (τον πίνακα Hessian των δεύτερων παραγώγων) για να κάνει πιο έξυπνα βήματα προς το ελάχιστο, όχι μόνο την κλίση.
ΤεχνικάΚανονικοποίηση RMSNorm και Pre-Layer
Το RMSNorm είναι ένα ελαφρύ στρώμα κανονικοποίησης που επανακλιμακώνει τις ενεργοποιήσεις με βάση το μέσο τετράγωνο της ρίζας τους και θέσεις κανονικοποίησης πριν από το επίπεδο που βαίνουν πριν από κάθε…
ΤεχνικάSwiGLU και Gated Activations
Το SwiGLU είναι μια περιφραγμένη συνάρτηση ενεργοποίησης που πολλαπλασιάζει μια γραμμική προβολή της εισόδου με μια δεύτερη προβολή που ενεργοποιείται από το Swish, ενεργώντας ως εκμάθηση…
ΤεχνικάΔίκτυα συμπίεσης και διέγερσης
Τα μπλοκ Squeeze-and-Excitation (SE) επιτρέπουν σε ένα συνελικτικό δίκτυο να μάθει πόσο να ζυγίζει κάθε κανάλι χαρακτηριστικών, επαναβαθμονομώντας τα με βάση το παγκόσμιο πλαίσιο.
ΤεχνικάΠρογράμματα προθέρμανσης και συνημιτονικής ανόπτησης
Η προθέρμανση αυξάνει απαλά τον ρυθμό εκμάθησης από σχεδόν μηδέν πριν από την προπόνηση, και στη συνέχεια η ανόπτηση συνημιτόνου τον αποσυνθέτει ομαλά ακολουθώντας μια καμπύλη συνημιτόνου.
ΤεχνικάΚυκλικά ποσοστά μάθησης
Οι κυκλικοί ρυθμοί μάθησης κυκλώνουν επανειλημμένα τον ρυθμό μάθησης πάνω-κάτω μεταξύ ενός κατώτερου και του άνω ορίου αντί να το μειώνουν μόνο.
ΤεχνικάΕλαχιστοποίηση ευκρίνειας
Η ελαχιστοποίηση με επίγνωση της ευκρίνειας (SAM) είναι μια μέθοδος βελτιστοποίησης που επιδιώκει όχι απλώς μια χαμηλή απώλεια αλλά μια χαμηλή απώλεια σε μια ολόκληρη γειτονιά βαρών - μια επίπεδη…
ΤεχνικάΓραμμική ανίχνευση και αξιολόγηση παγωμένων χαρακτηριστικών
Η γραμμική ανίχνευση ελέγχει πόσο καλές είναι οι εσωτερικές αναπαραστάσεις ενός προεκπαιδευμένου μοντέλου παγώνοντας το δίκτυο και εκπαιδεύοντας μόνο έναν απλό γραμμικό ταξινομητή στην κορυφή.
ΤεχνικάDenseNet και Dense Connectivity
Το DenseNet είναι ένα συνελικτικό δίκτυο όπου κάθε επίπεδο λαμβάνει ως είσοδο τους χάρτες χαρακτηριστικών όλων των προηγούμενων επιπέδων.
ΤεχνικάΑρχιτεκτονικές Bottleneck
Μια αρχιτεκτονική σημείων συμφόρησης συμπιέζει δεδομένα μέσω ενός στενού ενδιάμεσου επιπέδου πριν τα επεκτείνει ξανά, αναγκάζοντας το δίκτυο να μάθει συμπαγή, αποτελεσματικά…
ΤεχνικάΣυσσώρευση κλίσης
Η συσσώρευση διαβάθμισης σάς επιτρέπει να προσομοιώσετε ένα μεγάλο μέγεθος παρτίδας σε περιορισμένη μνήμη GPU, αθροίζοντας τις διαβαθμίσεις σε πολλές μικρές μίνι παρτίδες πριν από την ενημέρωση…
Τελειώσατε το διάβασμα; Αποδείξτε το.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.