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
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。
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
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。
教師強制は、モデル自身の推測ではなく、前の真のトークンが次の入力として供給されるシーケンス モデルのトレーニング トリックです。
技術的な露出バイアスは、完全なプレフィックスのみでトレーニングされたモデルが、推論上、それ自体の不完全な出力を条件付けする必要がある場合に生じるギャップです。
技術的な焦点損失は、検出器が困難でまれな例に焦点を合わせられるように、簡単な例の重みを下げる修正された損失関数です。
技術的なテスト時拡張 (TTA) は、同じ入力のいくつかの変更されたバージョンでトレーニングされたモデルを実行し、予測を平均します。
技術的なネガティブ サンプリングとノイズ対比推定 (NCE) は、コストのかかる完全なソフトマックスを計算することなく、モデルが膨大な語彙を学習できるようにするトリックです。
技術的なInfoNCE は、埋め込み空間内で一致するペアをまとめ、不一致のペアを押し離すことをモデルに教える対照的な損失です。
技術的な確率的重み平均 (SWA) は、最終的な重みを保持するのではなく、トレーニング後半のいくつかのポイントからモデルの重みの単純な平均を取得します。
技術的なLookahead と Lion は、ニューラル ネットワークの最適化を現代風にアレンジしたものです。
技術的なMixup と CutMix は、2 つの画像とそのラベルをブレンドすることで新しいトレーニング サンプルを作成するデータ拡張メソッドです。
技術的なハード ネガティブ マイニングでは、モデルがすでに取得している簡単な例に労力を浪費するのではなく、最も有益で区別が難しい例を選択してトレーニングします。
技術的なカプセル ネットワークは、ニューロンを「カプセル」にグループ化し、フィーチャが存在するかどうかとそのポーズの両方をエンコードするベクトルを出力するニューラル アーキテクチャです。
技術的なリザーバー コンピューティングは、リカレント ネットワークをトレーニングするための賢い近道です。ランダムに接続された大規模なニューロンの「リザーバー」を固定したままにし、トレーニングのみを行います。
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.