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
Meta-Tanulás
A Meta-learning vagy a „tanulás tanulása” megtanítja a modelleket, hogy gyorsan alkalmazkodjanak a vadonatúj feladatokhoz, csupán néhány példa alapján.
AlapokEgyüttes módszerek és színátmenet-növelés
Az együttes módszerek sok egyszerű modellt kombinálnak, így a csoport jobb előrejelzéseket ad, mint bármely egyedi modell.
AlapokBayesi mélytanulás
A Bayes-féle mély tanulás a neurális hálózat súlyait valószínűségi eloszlásként kezeli, nem pedig rögzített számokként, így a modell meg tudja mondani, mennyire magabiztos.
AlapokTanterv szerinti tanulás
A tantervtanulás a mesterséges intelligencia modelleket szándékos sorrendben képezi a példákon – előbb könnyű, később nehéz – ahelyett, hogy véletlenszerű sorrendben táplálná be az adatokat.
AlapokNeurális architektúra keresése
A Neural Architecture Search (NAS) automatizálja a neurális hálózati struktúrák tervezését – nem az emberek, hanem az algoritmusok dönthetik el, hány réteget, milyen műveleteket végezzenek…
AlapokFolyamatos tanulás és katasztrofális felejtés
A folyamatos tanulás célja, hogy a mesterséges intelligencia egy sor új feladatra oktassa az idő múlásával anélkül, hogy törölné azt, amit már tud.
AlapokVáltozatos automatikus kódolók
A variációs autokódolók (VAE) olyan generatív neurális hálózatok, amelyek megtanulják az adatokat egy sima, valószínűségi rejtett térbe tömöríteni, majd rekonstruálni…
AlapokÁllami űrmodellek és Mamba
Az állapottérmodellek (SSM-ek) olyan sorozatmodellek, amelyek egy tömörített rejtett állapoton keresztül továbbítják az információt, ehelyett lineárisan skálázva a sorozat hosszával…
AlapokNeurális hálózatok gráfja
A gráf neurális hálózatok (GNN-ek) olyan modellek, amelyek közvetlenül tanulnak gráf-strukturált adatokon – élekkel összekapcsolt csomópontokon – információk átadásával és összesítésével…
AlapokTöbbügynök-megerősítő tanulás
A Multi-Agent Reforcement Learning (MARL) több olyan tanuló ágenst képez ki, akiknek közös a környezetük, és mindegyik alkalmazkodik a viselkedéséhez, míg a többiek is alkalmazkodnak.
AlapokAktív tanulás
Az aktív tanulás egy olyan képzési stratégia, ahol a modell maga választja ki, hogy az ember mely címkézetlen példákat jelölje meg legközelebb.
AlapokAdatbővítés
Az adatbővítés mesterségesen bővíti a képzési készletet a meglévő példák módosított másolatainak létrehozásával – például a képek átfordításával vagy kivágásával.
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.