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
155 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
155 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。
2022 年に DeepMind が発表したチンチラのスケーリングの法則は、大規模な言語モデルのほとんどが著しくトレーニング不足であることを示しました。固定されたコンピューティング予算の場合、次のことを行う必要があります。
言語AISelf-Refine は、言語モデルが自身の出力を批判して書き直し、答えが改善されるまでループするプロンプト手法です。
言語AILeast-to-Most プロンプトは、難しい問題を一連の単純なサブ問題に分割し、それぞれの答えが次の答えにつながるように順番に解決します。
言語AI類推プロンプトとステップバック プロンプトは両方とも、最初にモデルをより高いレベルで推論するように導きます。類推プロンプトは、解決された同様の問題を思い出させます…
言語AI関係抽出では、非構造化テキストから構造化事実を抽出し、2 つのエンティティがどのように接続されているか (「動作する」や「位置する」など) を特定します。
言語AI意味役割ラベル付け (SRL) は、動詞の周囲で各フレーズが果たす役割をタグ付けすることで、「誰が誰に対して、いつ、どこで、そしてなぜ」に答えます。
言語AI係り受け解析では、文の文法構造を単語間の関係のツリーとしてマッピングし、どの単語がどの単語に依存しているかを示します。
言語AIトークナイザーのないモデルは、単語部分の固定ボキャブラリーを削除し、生のバイトを直接操作するため、1 つのモデルであらゆる言語、コード、さらにはノイズの多いものを処理できます。
言語AI関数ベクトルは、「フランス語に翻訳する」や「反意語を返す」など、タスク全体をエンコードする言語モデルの隠れ状態内のコンパクトな指示です。
言語AIBest-of-N サンプリングでは、モデルからいくつかの候補回答が生成され、別のスコアリング ステップを使用して最良の回答が選択されます。
言語AI自然言語推論では、ある文が別の文から論理的に続くかどうかが問われます。
言語AIインテント検出はユーザーが何を望んでいるのかを把握し、スロット充填はそれに基づいて行動するために必要な特定の詳細を抽出します。
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.