01
AI alapok
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Ingyenes AI könyvtár
Alapok útmutatókÖrökre ingyen.
84 egyszerű angol nyelvű útmutatók, strukturált tanulási útvonalak és nyílt könyvtár – egy független 501(c)(3) nonprofit szervezet építette, így bárki megértheti a modern AI-t.
84Ingyenes útmutatók
1Témasávok
~2 minÚtmutató szerint
~3hReading time
Kezdje itt
Five outcome-based courses
Each course includes explicit outcomes, mapped competencies, practice activities, and an applied capstone.
02
Felelős MI felhasználó
Use AI productively while protecting privacy, checking outputs, and preserving human accountability.
03
AI at Work
Evaluate workplace use cases, run safe pilots, measure value, and communicate changes responsibly.
04
AI Policy & Society
Analyze AI systems through rights, equity, governance, safety, and public-interest outcomes.
05
Építkezés MI rendszerekkel
Értsék meg a nyelvi modelleket, a lekérdezést, az ügynököket, az értékelést, a költségeket és a telepítési védelmeket gyakorlati rendszertervezésen keresztül.
Témasávok
Böngésszen szám szerint
Ugorjon be a számodra fontos területre. Minden számnak több egyszerű angol nyelvű útmutatója van.
AlapokAlapfogalmak: hogyan működik az AI magas szinten.84 útmutatók Nyelvi AILLM-ek, NLP, ChatGPT, felszólítás és szövegértés.155 útmutatók Vizuális AIKépgenerálás, számítógépes látás, videózás és tervezés.133 útmutatók Audio AIHang, zene, podcast és audio-első AI.117 útmutatók VállalatokA OpenAI, Anthropic, Google, Meta és mások profiljai.121 útmutatók AlkalmazásokHogyan jelenik meg az AI a kódolásban, a keresésben, az ügynökökben és a mindennapi életben.111 útmutatók IparágakAI az egészségügyben, a pénzügyekben, az oktatásban, az energetikában és egyebekben.91 útmutatók MűszakiChipek, finomhangolás, RAG, vektorok és AI-infrastruktúra.177 útmutatók TársadalomElfogultság, adatvédelem, szerzői jogok, biztonság és a mesterséges intelligencia jövője.30 útmutatók
Teljes könyvtár
Minden útmutató
84 -ból 1019 útmutatók láthatók. Szűrés sáv szerint vagy keresés fent.
Alapok
Sztochasztikus gradiens süllyedés lendülettel
A Momentum egy finomítás a gradiens süllyedés felé, amely összegyűjti a múltbeli lejtők futóátlagát, lehetővé téve, hogy az optimalizálás gyorsabban gördüljön át a völgyeken és csillapítsa…
AlapokNeszterov gyorsított gradiens
A Nesterov Accelerated Gradient (NAG) a lendület intelligensebb formája, amely előretekint a gradiens kiszámítása előtt, így korrekciós előretekintést ad.
AlapokHármas veszteség és metrikus tanulás
A hármas veszteség arra tanítja a neurális hálózatot, hogy hasonló elemeket közel egymáshoz, a különböző elemeket pedig egymástól távol helyezze el egy beágyazási térben.
AlapokCímkesimítás
A címkesimítás egy egyszerű szabályosítási trükk, amely lágyítja a kemény edzési célokat, és elmondja a modellnek, hogy a helyes válasz nagyon valószínű, de nem 100…
AlapokHosszú távú, rövid távú memóriasejtek
A hosszú rövid távú memória (LSTM) cellák egy speciális típusú ismétlődő neurális hálózati egységek, amelyek arra épülnek, hogy hosszú sorozatokon keresztül emlékezzenek az információkra.
AlapokK-Means klaszterezés
A K-Means egy nem felügyelt algoritmus, amely a fürtközpontok megtalálásával automatikusan K csoportba rendezi az adatokat.
AlapokK-Legközelebbi szomszédok
A K-Legközelebbi szomszédok (KNN) egy új adatpontot úgy osztályoz, hogy megvizsgálja a K legközelebbi példákat, és többségi szavazatot vesz.
AlapokLogisztikai regresszió
A logisztikai regresszió megjósolja annak valószínűségét, hogy valami egy osztályhoz tartozik, például a spam vagy nem, úgy, hogy egy súlyozott összeget egy S alakú görbén átnyom.
AlapokNaiv Bayes osztályozók
A Naive Bayes egy gyors, valószínűségi osztályozó, amely Bayes tételére épül, és feltételezi, hogy minden jellemző független az adott osztálytól.
AlapokROC görbék és AUC
A ROC görbe azt ábrázolja, hogy az osztályozó milyen jól választ el két osztályt az összes lehetséges döntési küszöbön, és az AUC ezt a teljes görbét egy számba tömöríti.
AlapokZavart mátrixok
A zavaros mátrix egy egyszerű táblázat, amely az osztályozó előrejelzéseit minden osztálynál helyes és helytelen számokra bontja.
AlapokBias-Variance kompromisszum
A torzítás-variancia kompromisszum megmagyarázza, hogy egy modell miért bukhat meg, ha túl egyszerű vagy túl bonyolult.
Finished reading? Prove it.
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.