Fondamenti dell'intelligenza artificiale
Capire cos'è l'IA, come imparano i sistemi, dove falliscono e come giudicare le affermazioni senza clamore.
Libreria AI gratuita
177 Guide in inglese semplice, percorsi di apprendimento strutturati e una libreria aperta, realizzati da un'organizzazione no profit 501(c)(3) indipendente in modo che chiunque possa comprendere l'intelligenza artificiale moderna.
Inizia qui
Ogni corso include risultati espliciti, competenze mappate, attività di pratica e un capstone applicato.
Capire cos'è l'IA, come imparano i sistemi, dove falliscono e come giudicare le affermazioni senza clamore.
Usa l'IA in modo produttivo proteggendo la privacy, controllando i risultati e preservando la responsabilità umana.
Valuta i casi d'uso sul posto di lavoro, conduci progetti pilota sicuri, misura il valore e comunica le modifiche in modo responsabile.
Analizza i sistemi di IA attraverso diritti, equità, governance, sicurezza e risultati di interesse pubblico.
Comprendere i modelli linguistici, il recupero, gli agenti, la valutazione, i costi e le salvaguardie di implementazione attraverso la progettazione pratica dei sistemi.
Tracce di argomenti
Entra nell'area che ti interessa. Ogni traccia ha più guide in inglese semplice.
Libreria completa
177 di 1019 guide mostrate. Filtra per traccia o cerca sopra.
La forzatura dell'insegnante è un trucco di addestramento per i modelli di sequenza in cui il vero token precedente, non l'ipotesi del modello, viene inserito come input successivo.
TecnicoIl bias di esposizione è il divario che appare quando un modello addestrato solo su prefissi perfetti deve, per inferenza, condizionare i propri risultati imperfetti.
TecnicoLa perdita focale è una funzione di perdita modificata che riduce il peso degli esempi facili in modo che un rilevatore possa concentrarsi su quelli difficili e rari.
TecnicoIl test-time augmentation (TTA) esegue un modello addestrato su diverse versioni modificate dello stesso input e calcola la media delle previsioni.
TecnicoIl campionamento negativo e la stima contrastiva del rumore (NCE) sono trucchi che consentono ai modelli di apprendere su vocabolari enormi senza calcolare un softmax completo e costoso.
TecnicoInfoNCE è la perdita contrastiva che insegna a un modello a mettere insieme le coppie corrispondenti e ad allontanare le coppie non corrispondenti nello spazio di incorporamento.
TecnicoLa media stocastica del peso (SWA) esegue una media semplice dei pesi del modello da diversi punti nelle fasi avanzate dell'allenamento invece di mantenere semplicemente il valore finale...
TecnicoLookahead e Lion sono due innovazioni moderne nell'ottimizzazione delle reti neurali.
TecnicoMixup e CutMix sono metodi di aumento dei dati che creano nuovi esempi di formazione unendo due immagini e le relative etichette.
TecnicoL'hard negative mining sceglie gli esempi più informativi e difficili da distinguere su cui allenarsi invece di sprecare sforzi su quelli facili che il modello già ottiene...
TecnicoLe reti di capsule sono un'architettura neurale che raggruppa i neuroni in "capsule" che emettono vettori che codificano sia se una caratteristica esiste sia la sua posa...
TecnicoIl Reservoir Computing è una scorciatoia intelligente per addestrare reti ricorrenti: lasciare fisso un grande "serbatoio" di neuroni connesso in modo casuale e allenare solo...
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.