01
Yayasan AI
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Perpustakaan AI gratis
Teknis panduanGratis selamanya.
177 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.
177Panduan gratis
1Trek topik
~2 minSesuai panduan
~6hReading 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
177 dari 1019 panduan yang ditampilkan. Filter berdasarkan trek atau cari di atas.
Teknis
Bandit Bersenjata Banyak
Multi-strategi adalah masalah pengambilan keputusan di mana Anda berulang kali memilih di antara opsi-opsi dengan hasil yang tidak diketahui dan belajar sambil jalan, menyeimbangkan eksplorasi…
TeknisBentoML dan Model Kemasan
BentoML adalah kerangka kerja Python sumber terbuka yang mengemas model pembelajaran mesin terlatih ke dalam unit terstandarisasi dan dapat diterapkan yang disebut 'Bentos'.
TeknisKServe dan Penyajian Model di Kubernetes
KServe adalah platform asli Kubernetes yang terstandarisasi untuk menyajikan model pembelajaran mesin dalam skala besar.
TeknisSeldon Core dan Grafik Inferensi
Seldon Core adalah platform sumber terbuka untuk menerapkan model pembelajaran mesin di Kubernetes, dengan fitur menonjol: grafik inferensi.
TeknisGradien yang Hilang dan Meledak
Saat melatih jaringan dalam, sinyal kesalahan menyusut hingga nol atau meledak hingga tak terhingga saat sinyal tersebut bergerak mundur melalui banyak lapisan.
TeknisKliping Gradien
Perlindungan sederhana dan banyak digunakan yang membatasi seberapa besar pembaruan gradien selama pelatihan.
TeknisInisialisasi Berat
Cara Anda menetapkan bobot awal jaringan saraf sebelum pelatihan dimulai, yang sangat menentukan apakah sinyal dan gradien tetap sehat melalui lapisan dalam.
TeknisPembelajaran Imitasi
Pembelajaran imitasi mengajarkan AI untuk melakukan tugas dengan meniru demonstrasi ahli, bukan belajar dari imbalan coba-coba.
TeknisPembelajaran Penguatan Terbalik
Pembelajaran penguatan terbalik (IRL) membalikkan RL standar: alih-alih diberi hadiah dan menemukan kebijakan, ia mengamati perilaku ahli dan menyimpulkan…
TeknisPembelajaran Penguatan Offline
Pembelajaran penguatan offline melatih agen murni dari kumpulan data tetap yang dikumpulkan sebelumnya, tanpa interaksi langsung dengan lingkungan.
TeknisSmoothQuant dan Kuantisasi Aktivasi
SmoothQuant adalah teknik yang memungkinkan untuk mengompresi model bahasa besar menjadi bilangan bulat 8-bit untuk bobot dan aktivasi tanpa…
TeknisPemangkasan Terstruktur dan Penurunan Lapisan
Pemangkasan terstruktur menghilangkan seluruh komponen jaringan saraf, seperti kepala perhatian, neuron, atau seluruh lapisan, sehingga model yang lebih ramping berjalan lebih cepat…
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.