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。
- 技術的なデータローダーのボトルネックを修正するA data-loader bottleneck occurs when input preparation cannot supply batches fast enough to keep the model compute busy. Free plain-English guide.3 最小読み取り読む
- 技術的なGoogle Vertex AI プラットフォームVertex AI, now delivered within Gemini Enterprise Agent Platform, provides Google Cloud-managed tools for building, training, deploying, and monitoring…3 最小読み取り読む
- 技術的なnvidia-smi と DCGM による GPU 使用率の監視nvidia-smi and NVIDIA DCGM expose GPU activity, memory, power, temperature, clock, and health information for diagnosing a running workload.3 最小読み取り読む
- 技術的なモデル提供における gRPC と REST の比較gRPC and REST-style HTTP APIs are two common ways to expose model inference to clients. Free plain-English guide.3 最小読み取り読む
- 技術的なモデル実験におけるガードレール メトリクスGuardrail metrics track outcomes a model experiment must not harm while optimizing a primary goal. Free plain-English guide.3 最小読み取り読む
- 技術的なHugging Face マルチ GPU トレーニングの高速化Hugging Face Accelerate は、比較的少量で、PyTorch トレーニング スクリプトをサポートされている分散精度の混合精度セットアップに適応させるのに役立ちます。3 最小読み取り読む
- 技術的なモデルをランク付けするためのインターリーブ実験Interleaving compares ranking systems by mixing their ranked results into one user-visible list and attributing interactions to the contributing ranker.3 最小読み取り読む
- 技術的なJAX and XLA for Machine LearningJAX combines NumPy-like array programming with composable transformations for automatic differentiation, vectorization, just-in-time compilation…3 最小読み取り読む
- 技術的なJupyter Notebook から製品コードまでMoving an ML workflow from a Jupyter notebook into production code means making its data handling, transformations, training, and inference repeatable…3 最小読み取り読む
- 技術的なLearning PyTorch: A RoadmapA practical PyTorch roadmap moves from tensor operations and automatic differentiation to datasets, model modules, training loops, evaluation…3 最小読み取り読む
- 技術的なLLMOps vs MLOpsLLMOps applies machine-learning operations practices to systems built around large language models, adding controls for prompts, retrieval, model-provider…3 最小読み取り読む
- 技術的な負荷テストモデルのエンドポイントLoad testing measures how a model endpoint behaves under a planned request pattern, including throughput, latency percentiles, errors, and resource use.3 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。