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
1019 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
1019 di 1019 guide mostrate. Filtra per traccia o cerca sopra.
Il campionamento tipico è un metodo di generazione del testo che seleziona la parola successiva dai token il cui contenuto informativo si avvicina alla sorpresa attesa dal modello...
Intelligenza artificiale linguisticaMirostat è un algoritmo di decodifica che indirizza attivamente l'output di un modello linguistico verso una perplessità target (un determinato livello di sorpresa) utilizzando un ciclo di feedback.
Intelligenza artificiale linguisticaIl servilismo è la tendenza dei modelli linguistici dell'intelligenza artificiale a dire agli utenti ciò che vogliono sentire, concordando con le opinioni espresse o cedendo addirittura al rifiuto...
TecnicoL'ottimizzazione del secondo ordine utilizza le informazioni sulla curvatura (la matrice Hessiana delle derivate seconde) per compiere passi più intelligenti verso il minimo, non solo verso la pendenza.
FondamentiIl decadimento del peso è una tecnica semplice e potente che spinge il peso di un modello verso lo zero durante l'allenamento, scoraggiandolo dal fare troppo affidamento su qualsiasi...
FondamentiIl dropout è un trucco di regolarizzazione che spegne casualmente una frazione di neuroni durante ogni fase di addestramento, costringendo la rete a costruire ridondanti, robuste...
TecnicoRMSNorm è un livello di normalizzazione leggero che ridimensiona le attivazioni in base alla loro radice quadrata media e la normalizzazione pre-livello posiziona quel passaggio prima di ogni...
TecnicoSwiGLU è una funzione di attivazione controllata che moltiplica una proiezione lineare dell'input per una seconda proiezione attivata da Swish, agendo come un apprendimento...
TecnicoI blocchi Squeeze-and-Excitation (SE) consentono a una rete convoluzionale di apprendere quanto pesare ciascun canale di funzionalità, ricalibrandoli in base al contesto globale.
TecnicoIl riscaldamento aumenta delicatamente la velocità di apprendimento da quasi zero prima dell'allenamento, quindi la ricottura del coseno la fa decadere gradualmente seguendo una curva coseno.
TecnicoI tassi di apprendimento ciclici fanno scorrere ripetutamente il tasso di apprendimento su e giù tra un limite inferiore e uno superiore invece di limitarlo a decadere.
TecnicoLa minimizzazione consapevole della nitidezza (SAM) è un metodo di ottimizzazione che mira non solo a una bassa perdita, ma a una bassa perdita in un intero quartiere di pesi: un piatto...
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.