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。

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。

フルライブラリ

すべてのガイド

84 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

相互検証

相互検証は、モデルが目に見えないデータに対してどの程度一般化されるかを推定するためのリサンプリング手法です。

2 最小読み取り読む
基本

精度と再現率

精度と再現率は、特にクラスの不均衡がある場合に、分類器を評価するための 2 つの補完的な指標です。

2 最小読み取り読む
基本

二重降下現象

二重降下とは、モデルが大きくなるにつれて、最初は「内挿しきい値」付近でテストエラーが悪化しますが、その後改善されるという驚くべき観察です。

2 最小読み取り読む
基本

ニューラル タンジェント カーネル理論

ニューラル タンジェント カーネル (NTK) は、無限幅のニューラル ネットワークが特定の固定カーネル メソッドのように動作することを示す数学ツールです。

2 最小読み取り読む
基本

宝くじ仮説

宝くじの仮説では、ランダムに初期化された大規模なニューラル ネットワークの中に、訓練された小さなサブネットワーク (「当たり券」) が隠されていると述べています。

2 最小読み取り読む
基本

ニューラル ネットワークのスケーリング則

スケーリング則は、モデル サイズ、データセット サイズ、およびコンピューティングが増大するにつれて、ニューラル ネットワークの損失が予測どおりに減少することを示す経験式です。

2 最小読み取り読む
基本

チンチラのコンピューティング最適化トレーニング

Chinchilla は、大規模な言語モデルのほとんどがひどくトレーニング不足であるという 2022 年の DeepMind の発見です。固定のコンピューティング予算ではパラメーターをスケールする必要があります…

2 最小読み取り読む
基本

RLHF におけるグループ化された報酬の正規化

グループ化された報酬の正規化により、同じプロンプトに対する一連の応答内のモデルの報酬が標準化され、ノイズの多いスコアが安定したトレーニングに変わります。

2 最小読み取り読む
基本

ワールドモデルと学習済みシミュレーター

ワールド モデルは、時間の経過とともに環境がどのように変化するかを予測する方法を学習するニューラル ネットワークであり、AI が行動する前に将来の結果を「想像」できるようになります。

2 最小読み取り読む
基本

プリファレンスの最適化における長さの正規化

長さの正規化により好みの調整の目標が調整されるため、モデルは長い回答を書くだけで承認を得ることができなくなります。

2 最小読み取り読む
基本

ブラッドリー・テリーの報酬モデリング

Bradley-Terry モデルは、ペアごとの比較 (A が B に勝つ) を数値スコアに変換するための 100 年前から使用されている統計手法です。

2 最小読み取り読む
基本

反復的な DPO とオンライン設定チューニング

反復的な DPO は、新しい応答を生成し、それらをランク付けし、それらの新しいペアを毎回調整することで、人間または AI の好みに合わせて言語モデルを繰り返し調整します。

2 最小読み取り読む

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.