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
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。
ここから始めましょう
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。
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。
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。
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。
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。
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
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。
フルライブラリ
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。
モメンタムは、過去の勾配の移動平均を蓄積する勾配降下法への微調整であり、最適化が谷間をより速く進み、減衰します。
基本Nesterov Accelerated Gradient (NAG) は、勾配を計算する前に前方を覗いて修正的な先読みを行う、よりスマートな形式の運動量です。
基本三重項損失は、埋め込み空間内で似たアイテムを近くに配置し、異なるアイテムを遠くに配置するようにニューラル ネットワークに教えます。
基本ラベル スムージングは、難しいワンホット トレーニング ターゲットを和らげる単純な正則化トリックであり、正解の可能性は非常に高いが 100 ではないことをモデルに伝えます。
基本長短期記憶 (LSTM) セルは、長いシーケンスにわたる情報を記憶するために構築された特別な種類のリカレント ニューラル ネットワーク ユニットです。
基本K-Means は、クラスター中心を見つけてデータを K グループに自動的に分類する教師なしアルゴリズムです。
基本K 最近傍 (KNN) は、K 個の最も近い例を調べて多数決を取ることによって、新しいデータ ポイントを分類します。
基本ロジスティック回帰では、重み付けされた合計を S 字型の曲線で押しつぶすことによって、何かがスパムであるかどうかなどのクラスに属する確率を予測します。
基本Naive Bayes は、クラスが与えられたすべての特徴が独立していると仮定するベイズの定理に基づいて構築された高速な確率的分類器です。
基本ROC 曲線は、分類器がすべての可能な決定しきい値にわたって 2 つのクラスをどの程度適切に分離するかをプロットし、AUC はその曲線全体を 1 つの数値に圧縮します。
基本混同行列は、分類子の予測をクラスごとに正しい数と誤った数に分類する単純なテーブルです。
基本バイアスと分散のトレードオフは、モデルが単純すぎたり複雑すぎたりすることによって失敗する理由を説明します。
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.