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
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.
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
1019 de 1019 guides illustrés. Filtrez par piste ou recherchez ci-dessus.
Les convolutions séparables en profondeur divisent une convolution standard en deux étapes moins coûteuses, réduisant ainsi le nombre de multiplications et de paramètres.
TechniqueLes convolutions dilatées (également appelées convolutions atreuses) insèrent des espaces entre les poids de filtre afin qu'un noyau couvre une zone beaucoup plus grande sans ajouter de paramètres.
TechniqueLes connexions ignorées permettent aux informations de passer au-delà des couches, et les réseaux routiers étaient une première version fermée de cette idée.
IA linguistiqueELECTRA est un moyen plus efficace de pré-entraîner des modèles de langage en leur apprenant à repérer les faux mots au lieu de deviner les mots cachés.
IA linguistiqueRoBERTa a montré que BERT était considérablement sous-formé : en ajustant la recette plutôt que l'architecture, il a établi de nouveaux records de référence.
IA linguistiqueXLNet mélange le contexte bidirectionnel de BERT avec la prédiction autorégressive de GPT en s'entraînant sur un ordre aléatoire de mots.
TechniqueL'adaptation de domaine est un ensemble de techniques permettant de faire en sorte qu'un modèle formé sur un type de données (le domaine source) fonctionne correctement sur un type de données différent mais lié…
IA linguistiqueTree of Thoughts (ToT) est un cadre d'incitation qui permet à un modèle de langage d'explorer plusieurs chemins de raisonnement en parallèle, comme les branches d'un arbre, à la place…
IA linguistiqueL'autocohérence est une stratégie de décodage qui échantillonne de nombreux chemins de raisonnement différents à partir d'un modèle de langage, puis sélectionne la réponse sur laquelle la plupart d'entre eux sont d'accord.
FondamentauxK-Means est un algorithme non supervisé qui trie automatiquement les données en K groupes en trouvant les centres de cluster.
FondamentauxK-Nearest Neighbours (KNN) classe un nouveau point de données en examinant les K exemples les plus proches et en obtenant un vote majoritaire.
FondamentauxLa régression logistique prédit la probabilité que quelque chose appartienne à une classe, comme le spam ou non, en écrasant une somme pondérée sur une courbe en forme de S.
Vérifiez ce que vous avez appris avec un quiz thématique, puis explorez nos cours structurés ou travaillez pour obtenir un certificat. Chaque guide reste libre de lecture.