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。
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。
基本精度と再現率は、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。
基本二重降下とは、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。
基本ニューラル 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。
基本宝くじの仮説では、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。
基本スケーリング則は、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。
基本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…
基本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。
基本ワールド 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。
基本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。
基本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。
基本反復的な 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。
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.