Fondements de l'IA
Comprenez ce qu'est l'IA, comment les systèmes apprennent, où ils échouent et comment juger les réclamations sans battage médiatique.
Bibliothèque IA gratuite
177 des guides en anglais simple, des parcours d'apprentissage structurés et une bibliothèque ouverte — construits par une organisation à but non lucratif indépendante 501(c)(3) pour que tout le monde puisse comprendre l'IA moderne.
Commencez ici
Chaque cours comprend des résultats explicites, des compétences cartographiées, des activités pratiques et une synthèse appliquée.
Comprenez ce qu'est l'IA, comment les systèmes apprennent, où ils échouent et comment juger les réclamations sans battage médiatique.
Utilisez l’IA de manière productive tout en protégeant la confidentialité, en vérifiant les résultats et en préservant la responsabilité humaine.
Évaluez les cas d'utilisation sur le lieu de travail, exécutez des projets pilotes sûrs, mesurez la valeur et communiquez les changements de manière responsable.
Analysez les systèmes d’IA en termes de droits, d’équité, de gouvernance, de sécurité et d’intérêt public.
Comprenez les modèles de langage, la récupération, les agents, l'évaluation, les coûts et les garanties de déploiement grâce à une conception de système pratique.
Pistes thématiques
Sautez dans la zone qui vous tient à cœur. Chaque piste comporte plusieurs guides en anglais simple.
Bibliothèque complète
177 de 1019 guides illustrés. Filtrez par piste ou recherchez ci-dessus.
Le forçage de l'enseignant est une astuce de formation pour les modèles de séquence dans laquelle le véritable jeton précédent, et non la propre supposition du modèle, est introduit comme entrée suivante.
TechniqueLe biais d'exposition est l'écart qui apparaît lorsqu'un modèle formé uniquement sur des préfixes parfaits doit, lors de l'inférence, conditionner ses propres sorties imparfaites.
TechniqueLa perte focale est une fonction de perte modifiée qui minimise les exemples faciles afin qu'un détecteur puisse se concentrer sur les plus difficiles et les plus rares.
TechniqueL'augmentation au moment du test (TTA) exécute un modèle entraîné sur plusieurs versions modifiées de la même entrée et fait la moyenne des prédictions.
TechniqueL'échantillonnage négatif et l'estimation contrastive du bruit (NCE) sont des astuces qui permettent aux modèles d'apprendre sur d'énormes vocabulaires sans calculer un softmax complet coûteux.
TechniqueInfoNCE est la perte contrastive qui apprend à un modèle à rassembler les paires correspondantes et à séparer les paires incompatibles dans l'espace d'intégration.
TechniqueLa moyenne stochastique du poids (SWA) prend une simple moyenne des poids du modèle à partir de plusieurs points tard dans l'entraînement au lieu de simplement conserver le poids final…
TechniqueLookahead et Lion sont deux variantes modernes de l'optimisation des réseaux neuronaux.
TechniqueMixup et CutMix sont des méthodes d'augmentation des données qui créent de nouveaux exemples de formation en mélangeant deux images et leurs étiquettes.
TechniqueL'exploitation minière négative dure sélectionne les exemples les plus informatifs et difficiles à distinguer sur lesquels s'entraîner au lieu de gaspiller des efforts sur les exemples faciles que le modèle obtient déjà…
TechniqueLes réseaux de capsules sont une architecture neuronale qui regroupe les neurones en « capsules » qui génèrent des vecteurs codant à la fois pour savoir si une caractéristique existe et sa pose…
TechniqueL'informatique réservoir est un raccourci astucieux pour entraîner des réseaux récurrents : laissez fixe un grand « réservoir » de neurones connectés de manière aléatoire et entraînez-vous uniquement…
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.