01
Yayasan AI
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Perpustakaan AI gratis
Dasar-dasar panduanGratis selamanya.
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.
84Panduan gratis
1Trek topik
~2 minSesuai panduan
~3hReading time
Mulai di sini
Five outcome-based courses
Each course includes explicit outcomes, mapped competencies, practice activities, and an applied capstone.
02
Pengguna AI yang bertanggung jawab
Use AI productively while protecting privacy, checking outputs, and preserving human accountability.
03
AI di Tempat Kerja
Evaluate workplace use cases, run safe pilots, measure value, and communicate changes responsibly.
04
Kebijakan & Masyarakat AI
Analyze AI systems through rights, equity, governance, safety, and public-interest outcomes.
05
Membangun dengan Sistem AI
Understand language models, retrieval, agents, evaluation, cost, and deployment safeguards through practical system design.
Trek topik
Jelajahi berdasarkan trek
Lompatlah ke area yang Anda minati. Setiap trek memiliki beberapa panduan berbahasa Inggris.
Dasar-dasarKonsep inti: cara kerja AI pada tingkat tinggi.84 panduan Bahasa AILLM, NLP, ChatGPT, bisikan, dan pemahaman teks.155 panduan AI visualPembuatan gambar, visi komputer, video, dan desain.133 panduan Audio AISuara, musik, podcasting, dan AI yang mengutamakan audio.117 panduan PerusahaanProfil OpenAI, Anthropic, Google, Meta, dan banyak lagi.121 panduan AplikasiBagaimana AI muncul dalam coding, pencarian, agen, dan kehidupan sehari-hari.111 panduan IndustriAI di bidang kesehatan, keuangan, pendidikan, energi, dan banyak lagi.91 panduan TeknisChip, fine-tuning, RAG, vektor, dan infrastruktur AI.177 panduan MasyarakatBias, privasi, hak cipta, keamanan, dan masa depan AI.30 panduan
Perpustakaan lengkap
Semua panduan
84 dari 1019 panduan yang ditampilkan. Filter berdasarkan trek atau cari di atas.
Dasar-dasar
Meta-Pembelajaran
Meta-learning, atau 'learning to learn', melatih model untuk beradaptasi dengan cepat terhadap tugas-tugas baru hanya dengan beberapa contoh.
Dasar-dasarMetode Ensemble dan Peningkatan Gradien
Metode ansambel menggabungkan banyak model sederhana sehingga kelompok dapat membuat prediksi yang lebih baik dibandingkan model tunggal mana pun.
Dasar-dasarPembelajaran Mendalam Bayesian
Pembelajaran mendalam Bayesian memperlakukan bobot jaringan neural sebagai distribusi probabilitas, bukan angka tetap, sehingga model dapat menunjukkan seberapa yakin model tersebut.
Dasar-dasarPembelajaran Kurikulum
Pembelajaran kurikulum melatih model AI menggunakan contoh-contoh dalam urutan yang disengaja — mudah dulu, sulit kemudian — alih-alih memasukkan data dalam urutan acak.
Dasar-dasarPencarian Arsitektur Neural
Neural Architecture Search (NAS) mengotomatiskan desain struktur jaringan saraf — membiarkan algoritme, bukan manusia, yang memutuskan berapa banyak lapisan, operasi apa…
Dasar-dasarPembelajaran Berkelanjutan dan Lupa yang Menyebabkan Bencana
Pembelajaran berkelanjutan adalah tujuan melatih AI dalam serangkaian tugas baru dari waktu ke waktu tanpa menghapus apa yang sudah diketahuinya.
Dasar-dasarAutoencoder Variasi
Variational autoencoders (VAEs) adalah jaringan saraf generatif yang belajar mengompresi data menjadi ruang laten probabilistik yang halus dan kemudian merekonstruksi…
Dasar-dasarModel Luar Angkasa Negara dan Mamba
Model ruang keadaan (SSM) adalah model urutan yang meneruskan informasi melalui keadaan tersembunyi terkompresi, berskala linier dengan panjang urutan…
Dasar-dasarGrafik Jaringan Syaraf Tiruan
Jaringan neural grafik (GNN) adalah model yang belajar langsung dari data terstruktur grafik — node yang dihubungkan oleh edge — dengan meneruskan dan menggabungkan informasi…
Dasar-dasarPembelajaran Penguatan Multi-Agen
Pembelajaran Penguatan Multi-Agen (MARL) melatih beberapa agen pembelajaran yang berbagi lingkungan, masing-masing menyesuaikan perilakunya sementara yang lain juga beradaptasi.
Dasar-dasarGiat belajar
Pembelajaran aktif adalah strategi pelatihan di mana model itu sendiri memilih contoh tak berlabel mana yang selanjutnya harus diberi label oleh manusia.
Dasar-dasarAugmentasi Data
Augmentasi data secara artifisial memperluas set pelatihan dengan membuat salinan modifikasi dari contoh yang ada — seperti membalik atau memotong gambar.
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.