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
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.
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
177 του 1019 εμφανίζονται οδηγοί. Φιλτράρισμα ανά κομμάτι ή αναζήτηση παραπάνω.
Η επιβολή δασκάλων είναι ένα εκπαιδευτικό τέχνασμα για μοντέλα ακολουθιών όπου το αληθινό προηγούμενο διακριτικό, όχι η εικασία του ίδιου του μοντέλου, τροφοδοτείται ως η επόμενη είσοδος.
ΤεχνικάΗ μεροληψία έκθεσης είναι το κενό που εμφανίζεται όταν ένα μοντέλο που εκπαιδεύεται μόνο σε τέλεια προθέματα πρέπει, κατά συμπέρασμα, να εξαρτηθεί από τα δικά του ατελή αποτελέσματα.
ΤεχνικάΗ εστιακή απώλεια είναι μια τροποποιημένη συνάρτηση απώλειας που μειώνει τα εύκολα παραδείγματα, έτσι ώστε ένας ανιχνευτής να μπορεί να εστιάσει στα σκληρά, σπάνια.
ΤεχνικάΤο Test-time augmentation (TTA) εκτελεί ένα εκπαιδευμένο μοντέλο σε πολλές τροποποιημένες εκδόσεις της ίδιας εισόδου και υπολογίζει τον μέσο όρο των προβλέψεων.
ΤεχνικάΗ αρνητική δειγματοληψία και η εκτίμηση αντίθεσης θορύβου (NCE) είναι κόλπα που επιτρέπουν στα μοντέλα να μαθαίνουν τεράστια λεξιλόγια χωρίς να υπολογίζουν ένα δαπανηρό πλήρες softmax.
ΤεχνικάΤο InfoNCE είναι η απώλεια αντίθεσης που διδάσκει σε ένα μοντέλο να ενώνει τα ταιριαστά ζεύγη και να απομακρύνει τα αταίριαστα ζεύγη στον χώρο ενσωμάτωσης.
ΤεχνικάΟ Στοχαστικός Μέσος Όρος Βάρους (SWA) παίρνει έναν απλό μέσο όρο των βαρών του μοντέλου από αρκετούς πόντους αργά στην προπόνηση αντί να διατηρεί απλώς το τελικό…
ΤεχνικάΤο Lookahead και το Lion είναι δύο σύγχρονες ανατροπές στη βελτιστοποίηση νευρωνικών δικτύων.
ΤεχνικάΤο Mixup και το CutMix είναι μέθοδοι αύξησης δεδομένων που δημιουργούν νέα παραδείγματα εκπαίδευσης αναμειγνύοντας δύο εικόνες και τις ετικέτες τους.
ΤεχνικάΗ εξόρυξη σκληρών αρνητικών επιλέγει τα πιο κατατοπιστικά, δυσδιάκριτα παραδείγματα για εκπαίδευση αντί να σπαταλά κόπο σε εύκολα που έχει ήδη το μοντέλο…
ΤεχνικάΤα δίκτυα καψουλών είναι μια νευρωνική αρχιτεκτονική που ομαδοποιεί τους νευρώνες σε «κάψουλες» που εξάγουν διανύσματα που κωδικοποιούν τόσο εάν υπάρχει ένα χαρακτηριστικό όσο και τη θέση του…
ΤεχνικάΤο Reservoir Computing είναι μια έξυπνη συντόμευση για την εκπαίδευση επαναλαμβανόμενων δικτύων: αφήστε μια μεγάλη, τυχαία συνδεδεμένη «δεξαμενή» νευρώνων σταθερή και μόνο τρένο…
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.