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
1019 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
1019 του 1019 εμφανίζονται οδηγοί. Φιλτράρισμα ανά κομμάτι ή αναζήτηση παραπάνω.
Η τακτοποίηση συνέπειας διδάσκει ένα μοντέλο να δίνει την ίδια απάντηση όταν μια είσοδος χωρίς ετικέτα διαταράσσεται με μικρούς τρόπους διατήρησης ετικετών.
ΤεχνικάΗ κοινή χρήση σκληρών παραμέτρων είναι ο κλασικός σχεδιασμός εκμάθησης πολλαπλών εργασιών όπου πολλές εργασίες μοιράζονται τα ίδια κρυφά επίπεδα και χωρίζονται μόνο σε ξεχωριστές «κεφαλές» εξόδου…
ΤεχνικάΗ πύλη και η δρομολόγηση επιτρέπουν σε ένα νευρωνικό δίκτυο να ενεργοποιεί μόνο τα μέρη που χρειάζεται για κάθε είσοδο αντί να εκτελεί ολόκληρο το μοντέλο κάθε φορά.
ΤεχνικάΤο Gumbel-Softmax είναι ένα τέχνασμα που επιτρέπει στα νευρωνικά δίκτυα να κάνουν «δειγματοληψία» από διακριτές κατηγορίες, ενώ εξακολουθούν να είναι εκπαιδεύσιμα με gradient descent.
ΤεχνικάΤο Straight-Through Estimator (STE) είναι ένα απλό κόλπο για εκπαίδευση δικτύων που περιέχουν σκληρά, μη διαφοροποιήσιμα βήματα, όπως στρογγυλοποίηση ή κατώφλι.
Βασικές αρχέςΗ κανονικοποίηση ομάδας είναι μια τεχνική που σταθεροποιεί την εκπαίδευση νευρωνικών δικτύων κανονικοποιώντας χαρακτηριστικά μέσα σε μικρές ομάδες καναλιών, ανεξάρτητα για κάθε…
Βασικές αρχέςΜια Gated Recurrent Unit (GRU) είναι ένας βελτιστοποιημένος τύπος κυψέλης επαναλαμβανόμενου νευρωνικού δικτύου που χρησιμοποιεί δύο πύλες για να αποφασίσει ποιες πληροφορίες θα κρατήσει και τι θα ξεχάσει…
ΤεχνικάΈνα αμφίδρομο επαναλαμβανόμενο δίκτυο διαβάζει μια ακολουθία τόσο προς τα εμπρός όσο και προς τα πίσω, έτσι η αναπαράσταση κάθε θέσης βασίζεται στο πλαίσιο από το παρελθόν και το μέλλον.
ΤεχνικάΤο 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…
Γλώσσα AIΗ αντιθετική αποκωδικοποίηση δημιουργεί κείμενο υψηλότερης ποιότητας αφαιρώντας τις τάσεις ενός μικρού, αδύναμου γλωσσικού μοντέλου από αυτές ενός μεγάλου, ισχυρού μοντέλου.
Γλώσσα AIΗ περιορισμένη αναζήτηση δέσμης αναγκάζει την έξοδο ενός γλωσσικού μοντέλου να ικανοποιεί σκληρές απαιτήσεις, όπως η συμπερίληψη συγκεκριμένων λέξεων ή η αντιστοίχιση μιας γραμματικής, ενώ ακόμα…
Γλώσσα AIΗ αποκωδικοποίηση Ελάχιστου Κινδύνου Bayes (MBR) επιλέγει την έξοδο που είναι πιο παρόμοια με πολλές άλλες πιθανές εξόδους, αντί της μεμονωμένης υψηλότερης πιθανότητας.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.