Yayasan AI
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Perpustakaan AI gratis
84 panduan berbahasa Inggris sederhana, jalur pembelajaran terstruktur, dan perpustakaan terbuka — dibuat oleh lembaga nonprofit 501(c)(3) independen sehingga siapa pun dapat memahami AI modern.
Mulai di sini
Each course includes explicit outcomes, mapped competencies, practice activities, and an applied capstone.
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Use AI productively while protecting privacy, checking outputs, and preserving human accountability.
Evaluate workplace use cases, run safe pilots, measure value, and communicate changes responsibly.
Analyze AI systems through rights, equity, governance, safety, and public-interest outcomes.
Understand language models, retrieval, agents, evaluation, cost, and deployment safeguards through practical system design.
Trek topik
Lompatlah ke area yang Anda minati. Setiap trek memiliki beberapa panduan berbahasa Inggris.
Perpustakaan lengkap
84 dari 1019 panduan yang ditampilkan. Filter berdasarkan trek atau cari di atas.
Model difusi menghasilkan gambar dengan belajar membalikkan proses gangguan, mengubah gambar statis acak menjadi gambar detail langkah demi langkah.
Dasar-dasarPembelajaran beberapa kali adalah kemampuan mempelajari tugas baru hanya dari segelintir contoh, bukan ribuan.
Dasar-dasarPenyematan mengubah kata, gambar, atau data lain menjadi daftar angka (vektor) sehingga hal serupa berakhir berdekatan dalam ruang berdimensi tinggi.
Dasar-dasarTokenisasi adalah langkah yang memotong teks menjadi potongan-potongan kecil yang disebut token, unit yang benar-benar dibaca dan diprediksi oleh model bahasa.
Dasar-dasarRekayasa fitur adalah keahlian mengubah data mentah menjadi masukan (fitur) informatif yang membantu model belajar.
Dasar-dasarPohon keputusan membuat prediksi dengan mengajukan serangkaian pertanyaan sederhana ya/tidak, seperti diagram alur.
Dasar-dasarMesin vektor dukungan (SVM) adalah algoritma klasik yang memisahkan dua kelompok dengan menggambar batas seluas mungkin di antara keduanya.
Dasar-dasarPengurangan dimensi memperkecil data dari banyak kolom (fitur) menjadi beberapa kolom dengan tetap mempertahankan struktur penting.
Dasar-dasarPembelajaran transfer menggunakan kembali model yang telah dilatih pada kumpulan data besar dan menyesuaikannya dengan tugas baru yang terkait.
Dasar-dasarPembelajaran dengan pengawasan mandiri melatih model pada data tak berlabel dengan menciptakan tugas yang jawabannya tersembunyi di dalam data itu sendiri.
Dasar-dasarPembelajaran semi-supervisi melatih sejumlah kecil data berlabel ditambah sejumlah besar data tidak berlabel.
Dasar-dasarDeteksi anomali adalah praktik mesin pengajaran yang menandai titik data yang sangat menyimpang dari pola normal.
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.