01
AI alapok
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Ingyenes AI könyvtár
Tanuld meg az AI-t.Örökre ingyen.
1019 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.
1019Ingyenes útmutatók
9Témasávok
~2 minÚtmutató szerint
~34hReading 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
1019 -ból 1019 útmutatók láthatók. Szűrés sáv szerint vagy keresés fent.
Nyelvi AI
Tipikus mintavétel
A tipikus mintavétel egy szöveggenerálási módszer, amely a következő szót választja ki olyan tokenek közül, amelyek információtartalma közel áll a modell várt meglepetéséhez…
Nyelvi AIMirostat Perplexity vezérlés
A Mirostat egy dekódoló algoritmus, amely egy visszacsatolási hurkon keresztül aktívan irányítja a nyelvi modell kimenetét a célzavar (egy meghatározott szintű meglepetés) felé.
Nyelvi AISzikofánia a nyelvi modellekben
A szipofánia az AI nyelvi modellek azon tendenciája, hogy azt mondják el a felhasználóknak, amit hallani szeretnének, egyetértenek az elhangzott véleményekkel, vagy engedelmeskednek a visszautasításnak…
MűszakiMásodrendű optimalizálás és Newton-módszerek
A másodrendű optimalizálás a görbületi információkat (a második derivált Hess-mátrixát) használja, hogy intelligensebb lépéseket tegyen a minimum felé, nem csak a meredekség felé.
AlapokSúlycsökkenés és L2-szabályozás
A súlycsökkentés egy egyszerű, hatékony technika, amely a modell súlyát nulla felé löki az edzés során, és elriasztja attól, hogy túlzottan támaszkodjon bármilyen…
AlapokLemorzsolódás és sztochasztikus rendszerezés
A Dropout egy szabályosító trükk, amely véletlenszerűen kikapcsolja a neuronok egy részét minden edzési lépés során, és arra kényszeríti a hálózatot, hogy redundáns, robusztus...
MűszakiRMSNorm és Pre-Layer Normalization
Az RMSNorm egy könnyű normalizációs réteg, amely átskálázza az aktiválásokat a négyzetgyökér alapján, és a réteg előtti normalizálási helyeket, amelyek mindegyike elé lépnek…
MűszakiSwiGLU és kapuzott aktiválások
A SwiGLU egy kapuzott aktiválási funkció, amely a bemenet egy lineáris vetületét megszorozza egy Swish által aktivált második vetülettel, így tanulható…
MűszakiSqueeze-and-Excitation Networks
A Squeeze-and-Excitation (SE) blokkok lehetővé teszik a konvolúciós hálózat számára, hogy megtanulja, mennyit kell súlyozni az egyes jellemzőcsatornákat, és a globális kontextus alapján újrakalibrálja azokat.
MűszakiBemelegítési és koszinuszos izzítási ütemezések
A bemelegítés gyengéden felemeli a tanulási sebességet a nulláról közelről edzés előtt, majd a koszinuszos lágyítás simán lecsökkenti azt egy koszinusz görbe mentén.
MűszakiCiklikus tanulási arányok
A ciklikus tanulási arányok a tanulási sebességet ismételten fel-le mozgatják egy alsó és felső határ között, ahelyett, hogy csak csökkentenék azt.
MűszakiÉlesség-tudatos minimalizálás
A Sharpness-Aware Minimalization (SAM) egy olyan optimalizálási módszer, amely nem csak alacsony veszteséget keres, hanem alacsony veszteséget a súlyok egész környezetében – egy lapos…
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.