01
AI 基盤
AI とは何か、システムがどのように学習し、どこで失敗するか、誇大広告なしに主張を判断する方法を理解します。
無料のAIライブラリ
基本 ガイド永久無料。
84 平易な英語のガイド、構造化された学習パス、オープン ライブラリ - 独立した 501(c)(3) 非営利団体によって構築され、誰でも最新の AI を理解できるようになります。
84無料ガイド
1トピックトラック
~2 minガイドごと
~3h読書時間
ここから始めましょう
5 成果ベースのコース
各コースには、明示的な成果、マッピングされたコンピテンシー、練習アクティビティ、および適用されたキャップストーンが含まれています。
02
責任あるAIユーザー
プライバシーを保護し、出力をチェックし、人間の責任を守りながら、AI を生産的に使用します。
03
働くAI
職場のユースケースを評価し、安全なパイロットを実施し、価値を測定し、責任を持って変更を伝えます。
04
AI政策と社会
権利、公平性、ガバナンス、安全性、公益の成果を通じて AI システムを分析します。
05
AI システムによる構築
実践的なシステム設計を通じて、言語モデル、取得、エージェント、評価、コスト、展開の安全策を理解します。
トピックトラック
トラックごとに閲覧する
気になるエリアに飛び込んでみましょう。すべてのトラックには複数のわかりやすい英語のガイドが付いています。
基本中心となる概念: AI が高レベルでどのように機能するか。84 ガイド 言語AILLM、NLP、ChatGPT、プロンプト、およびテキストの理解。155 ガイド ビジュアルAI画像生成、コンピュータビジョン、ビデオ、デザイン。133 ガイド オーディオAI音声、音楽、ポッドキャスティング、オーディオファースト AI。117 ガイド 企業OpenAI、Anthropic、Google、Meta などのプロファイル。121 ガイド アプリケーションAI がコーディング、検索、エージェント、日常生活にどのように現れるか。111 ガイド 産業ヘルスケア、金融、教育、エネルギーなどにおける AI。91 ガイド 技術的なチップ、微調整、RAG、ベクター、AI インフラストラクチャ。177 ガイド 社会偏見、プライバシー、著作権、安全性、そして AI の未来。30 ガイド
フルライブラリ
すべてのガイド
84 の 1019 ガイドが表示されます。トラックでフィルタリングするか、上で検索してください。
基本
予測AI
Predictive AI uses observed information to estimate an unknown outcome, such as demand, delivery time, or a category.
基本AI システム思考
AI systems thinking examines how data, models, people, interfaces, and operating policies interact.
基本モデルのライフサイクル
モデルのライフサイクルは、問題定義、データ準備、トレーニングまたは選択、評価、展開、監視、そしてリタイアメントをカバーします。
基本AI評価の基礎
AI evaluation tests whether a system meets a defined purpose under stated conditions.
基本人間とAIのコラボレーション
Human-AI collaboration divides work between people and AI systems while keeping responsibility and control clear.
基本AI による意思決定
AI can supply predictions, organize evidence, or recommend actions, but choosing an action also requires goals, constraints, and responsibility.
基本AI の故障モード
AIの故障モードとは、システムが受け入れがたい結果を生み出す繰り返し可能な方法のことです。
基本グループの正規化
グループ正規化は、小さなチャネル グループ内の特徴をチャネルごとに独立して正規化することで、ニューラル ネットワーク トレーニングを安定化する手法です。
基本ゲート付き反復ユニット
ゲート付きリカレント ユニット (GRU) は、2 つのゲートを使用してどの情報を保持し、何を忘れるかを決定する合理化されたタイプのリカレント ニューラル ネットワーク セルです。
基本体重減少と L2 正則化
重み減衰は、トレーニング中にモデルの重みをゼロに向けて微調整し、モデルが何かに過度に依存するのを防ぐ、シンプルで強力なテクニックです。
基本ドロップアウトと確率的正則化
ドロップアウトは、各トレーニング ステップ中にニューロンの一部をランダムにオフにし、ネットワークに冗長で堅牢な構築を強制する正則化トリックです。
基本早期停止
早期停止は、保持された検証データのパフォーマンスが向上しなくなった瞬間にモデルのトレーニングを停止する正則化手法です。
読み終わりましたか？証明してみろ。
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.