ここから始めましょう
無料のAIライブラリ
技術的な ガイド 永久無料。
536 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。
- 536無料ガイド
- 1トピックトラック
- ~3 minガイドごと
- ~26h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。
- 134 ガイド基本中心となる概念: AI が高レベルでどのように機能するか。探す
- 272 ガイド言語AILLM、NLP、ChatGPT、プロンプト、およびテキストの理解。探す
- 298 ガイドビジュアルAI画像生成、コンピュータビジョン、ビデオ、デザイン。探す
- 188 ガイドオーディオAI音声、音楽、ポッドキャスティング、オーディオファースト AI。探す
- 145 ガイド企業OpenAI、Anthropic、Google、Meta などのプロファイル。探す
- 761 ガイドアプリケーションAI がコーディング、検索、エージェント、日常生活にどのように現れるか。探す
- 244 ガイド産業ヘルスケア、金融、教育、エネルギーなどにおける AI。探す
- 536 ガイド技術的なチップ、微調整、RAG、ベクター、AI インフラストラクチャ。探す
- 422 ガイド社会偏見、プライバシー、著作権、安全性、そして AI の未来。探す
フルライブラリ
技術的な
536 の 3000 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。
- 技術的なLLM 評価データセットの構築LLM 評価データセットは、現実的な入力の精選されたセットであり、それぞれが黄金の答え、参照事実、または採点ルーブリックと組み合わされていて、テストを実行します。4 最小読み取り読む
- 技術的な親ドキュメントと大規模な検索親ドキュメントの検索は、大規模検索とも呼ばれ、小さくて正確なテキストのチャンクを検索しますが、より大きなセクションは言語モデルに渡されます。4 最小読み取り読む
- 技術的なRAG 評価メトリクスと RAGASRAG 評価は、取得と生成に関して個別に取得拡張生成システムをスコアリングします。最も一般的なのは 4 つの指標です: 忠実度…3 最小読み取り読む
- 技術的なマルチモーダル RAGマルチモーダル RAG は、プレーン テキスト チャンクだけでなく、画像、グラフ、表、スキャンされたページを検索して使用できる、検索拡張された生成です。3 最小読み取り読む
- 技術的なキャッシュ拡張生成 (CAG)キャッシュ拡張生成 (CAG) は、固定ナレッジ ベース全体を言語モデルのキー/値 (KV) キャッシュに 1 回プリロードし、毎回そのキャッシュを再利用します。3 最小読み取り読む
- 技術的な最大トークンと停止シーケンス最大トークンは、モデルが 1 つの応答で生成できるトークンの数の上限であり、停止シーケンスはモデルが生成されるとすぐに生成を終了する文字列です。4 最小読み取り読む
- 技術的な即時リークとシステムの即時抽出プロンプトの漏洩とは、ユーザーが AI アプリケーションを取得して、その隠されたシステム プロンプトや、共有するはずのないその他の指示を明らかにすることです。4 最小読み取り読む
- 技術的なAI の公平性の指標: 均等化されたオッズに対する人口統計的均等性グループ公平性指標は、モデルの意思決定やエラーが人口統計グループ間で異なるかどうかを測定します。無料の英語ガイド。4 最小読み取り読む
- 技術的な拡散モデルにおける記憶拡散画像モデルは通常、新しい画像を生成しますが、研究によると、特定のトレーニング画像をほぼ正確に再現できる場合があります。特に…3 最小読み取り読む
- 技術的なCLIP スコアと人間の好みの指標CLIP score measures how well a generated image matches its text prompt. Free plain-English guide.4 最小読み取り読む
- 技術的なVBench を使用した AI ビデオ ジェネレーターの評価VBench は、テキストからビデオへのモデルのベンチマーク スイートです。ビデオの品質を、被写体の一貫性、動きの滑らかさなど、16 の個別の次元に分割します。3 最小読み取り読む
- 技術的な敵対的拡散蒸留およびターボモデル敵対的拡散蒸留 (ADD) は、低速で多ステップの拡散モデルを、1 回で画像を生成するスチューデントに変えるトレーニング方法です。4 最小読み取り読む
読み終わりましたか？証明してみろ。
トピックのクイズで学んだことを確認し、構造化されたコースを探索したり、認定資格を取得したりできます。すべてのガイドは無料で読むことができます。