01
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
技術的な ガイド永久無料。
177 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。
177無料ガイド
1トピックトラック
~2 minガイドごと
~6h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。
02
責任あるAIユーザー
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。
03
働くAI
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。
04
AI政策と社会
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。
05
AI システムによる構築
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
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。
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。84 ガイド 言語AILLM、NLP、ChatGPT、プロンプト、およびテキストの理解。155 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。133 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。117 ガイド 企業OpenAI、Anthropic、Google、Meta などのプロファイル。121 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。111 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。91 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。177 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。30 ガイド
フルライブラリ
すべてのガイド
177 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。
技術的な
AIプロンプトセキュリティ
Prompt security addresses attempts to make a language-model application treat untrusted content as instructions or disclose information it should protect.
技術的なAI データ ガバナンス
AI data governance assigns responsibility and rules for how data is collected, used, shared, retained, and corrected throughout an AI system.
技術的なAIクラウドアーキテクチャ
AI cloud architecture organizes compute, storage, networking, models, and application services into an operating system for an AI workload.
技術的なBYOL と非対照的な自己監督
BYOL (Bootstrap Your Own Latent) は、ラベルなしで、そして驚くべきことに、否定的な例なしで、有用な画像表現を学習します。
技術的なBarlow Twins と冗長性の削減
Barlow Twins は、2 つの拡張ビュー間の相互相関行列を恒等式に近づけることによって表現を学習する自己教師あり手法です。
技術的な疑似ラベル付けと自己トレーニング
擬似ラベル付けは、小さなラベル付きセットでトレーニングされたモデルがラベルのないデータに対して独自のラベルを生成し、それらのラベルでトレーニングする半教師あり手法です。
技術的な半教師あり学習における一貫性の正則化
一貫性の正則化は、ラベルのない入力がラベルを保持する小さな方法で摂動された場合に、同じ答えを返すようにモデルに教えます。
技術的なマルチタスクネットワークにおけるハードパラメータの共有
ハード パラメーターの共有は、いくつかのタスクが同じ隠れ層を共有し、別々の出力「ヘッド」にのみ分割される古典的なマルチタスク学習設計です。
技術的な条件付き計算におけるゲートとルーティング
ゲートとルーティングにより、ニューラル ネットワークはモデル全体を毎回実行するのではなく、各入力に必要な部分のみをアクティブにすることができます。
技術的なGumbel-Softmax と再パラメータ化
Gumbel-Softmax は、勾配降下法によってトレーニング可能でありながら、ニューラル ネットワークが離散カテゴリから「サンプリング」できるようにするトリックです。
技術的なストレート・スルー・エスティメータ
Straight-Through Estimator (STE) は、丸めやしきい値処理などの困難で微分不可能なステップを含むネットワークをトレーニングするための簡単なトリックです。
技術的な双方向リカレント ネットワーク
双方向リカレント ネットワークはシーケンスを前方と後方の両方で読み取るため、各位置の表現は過去と未来のコンテキストを利用します。
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.