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。
拡散モデルは、ノイズ プロセスを逆転することを学習して画像を生成し、ランダムな静的画像を段階的に詳細な画像に変換します。
基本フューショット学習とは、数千の例ではなく、ほんの一握りの例から新しいタスクを学習する機能です。
基本埋め込みは、単語、画像、またはその他のデータを数値 (ベクトル) のリストに変換し、類似したものが高次元空間内で近くに配置されるようにします。
基本トークン化は、テキストをトークンと呼ばれる小さな部分に切り分けるステップです。トークンは、言語モデルが実際に読み取って予測する単位です。
基本特徴エンジニアリングは、生データをモデルの学習に役立つ情報入力 (特徴) に変換する技術です。
基本デシジョン ツリーは、フローチャートのように、一連の単純な「はい/いいえ」の質問をすることによって予測を行います。
基本サポート ベクター マシン (SVM) は、2 つのグループ間に可能な限り広い境界を引くことで 2 つのグループを分離する古典的なアルゴリズムです。
基本次元削減により、重要な構造を維持しながら、多くの列 (特徴) のデータが少数に縮小されます。
基本転移学習では、大規模なデータセットですでにトレーニングされたモデルを再利用し、それを新しい関連タスクに適応させます。
基本自己教師あり学習では、答えがデータ自体の中に隠されているタスクを発明することにより、ラベルのないデータでモデルをトレーニングします。
基本半教師あり学習は、少量のラベル付きデータと大量のラベルなしデータのプールでトレーニングします。
基本異常検出は、通常のパターンから大きく逸脱したデータ ポイントにフラグを立てるようにマシンを教育することです。
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.