Bibliothèque IA gratuite

Apprenez l'IA.Libre pour toujours.

1019 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.

1019Guides gratuits
9Pistes thématiques
~2 minPar guide
~34hTemps de lecture

Commencez ici

Cinq cours axés sur les résultats

Chaque cours comprend des résultats explicites, des compétences cartographiées, des activités pratiques et une synthèse appliquée.

Pistes thématiques

Parcourir par piste

Sautez dans la zone qui vous tient à cœur. Chaque piste comporte plusieurs guides en anglais simple.

Bibliothèque complète

Tous les guides

1019 de 1019 guides illustrés. Filtrez par piste ou recherchez ci-dessus.

IA linguistique

Échantillonnage typique

L'échantillonnage typique est une méthode de génération de texte qui sélectionne le mot suivant parmi des jetons dont le contenu informatif est proche de la surprise attendue du modèle…

2 lecture min.Lire
IA linguistique

Mirostat Perplexity Contrôle

Mirostat est un algorithme de décodage qui oriente activement la sortie d'un modèle de langage vers une perplexité cible (un niveau de surprise défini) à l'aide d'une boucle de rétroaction.

2 lecture min.Lire
IA linguistique

La flagornerie dans les modèles linguistiques

La flagornerie est la tendance des modèles de langage d’IA à dire aux utilisateurs ce qu’ils veulent entendre, en étant d’accord avec les opinions exprimées ou en cédant même au refus…

2 lecture min.Lire
Technique

Optimisation du second ordre et méthodes de Newton

L'optimisation du second ordre utilise les informations de courbure (la matrice hessienne des dérivées secondes) pour prendre des mesures plus intelligentes vers un minimum, et pas seulement vers la pente.

2 lecture min.Lire
Fondamentaux

Décroissance du poids et régularisation L2

La perte de poids est une technique simple et puissante qui pousse le poids d'un modèle vers zéro pendant l'entraînement, le décourageant de trop s'appuyer sur tout...

2 lecture min.Lire
Fondamentaux

Abandon et régularisation stochastique

Le dropout est une astuce de régularisation qui désactive aléatoirement une fraction de neurones à chaque étape d'entraînement, obligeant le réseau à construire des réseaux redondants et robustes…

2 lecture min.Lire
Technique

RMSNorm et normalisation de pré-couche

RMSNorm est une couche de normalisation légère qui redimensionne les activations en fonction de leur valeur efficace, et la normalisation de la pré-couche se place avant chacune…

2 lecture min.Lire
Technique

SwiGLU et activations fermées

SwiGLU est une fonction d'activation fermée qui multiplie une projection linéaire de l'entrée par une deuxième projection activée par Swish, agissant comme un apprentissage…

2 lecture min.Lire
Technique

Réseaux de compression et d'excitation

Les blocs Squeeze-and-Excitation (SE) permettent à un réseau convolutif d'apprendre combien pondérer chaque canal de fonctionnalités, en les recalibrant en fonction du contexte global.

2 lecture min.Lire
Technique

Programmes d'échauffement et de recuit cosinus

L'échauffement augmente doucement le taux d'apprentissage à partir de près de zéro avant l'entraînement, puis le recuit cosinus le diminue progressivement en suivant une courbe cosinus.

2 lecture min.Lire
Technique

Taux d'apprentissage cyclique

Les taux d'apprentissage cycliques font monter et descendre à plusieurs reprises le taux d'apprentissage entre une limite inférieure et une limite supérieure au lieu de simplement le diminuer.

2 lecture min.Lire
Technique

Minimisation sensible à la netteté

La minimisation sensible à la netteté (SAM) est une méthode d'optimisation qui recherche non seulement une faible perte, mais aussi une faible perte sur tout un quartier de poids - un plat…

2 lecture min.Lire

Vous avez fini de lire ? Prouvez-le.

Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.