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。
Toolformer は 2023 Meta AI メソッドで、言語モデルが電卓や検索エンジンなどの外部ツールをいつどのように呼び出すかを学習できるようにします。
技術的なコードを記述し、再利用可能なスキルを保存し、勾配更新なしで生涯学習を通じて改善する Minecraft AI エージェントである Voyager の仕組みを学びましょう。
技術的な生成エージェントは、信頼できる人間のように記憶、計画、反応する言語モデルを利用した AI キャラクターです。
技術的なAI エージェントには 2 種類の長期記憶が必要です。特定の過去の出来事に関するエピソード記憶と、一般的な事実に関する意味記憶です。
技術的な隠れマルコフ モデルは、直接見ることのできない隠れた状態を通過し、途中で観察可能な出力を生成するシステムを記述します。
技術的なガウス プロセスは、不確実性推定が組み込まれた関数をモデル化する柔軟でノンパラメトリックな方法です。
技術的なQ-Learning は、試行を通じて各動きの価値を徐々に学習することで、どのアクションが最も効果的かをエージェントに教える強化学習アルゴリズムです。
技術的なActor-Critic メソッドでは、アクションを選択する「俳優」と、そのアクションがどれほど良かったかを判断する「批評家」という 2 人の学習者を組み合わせます。
技術的なモンテカルロ ツリー検索 (MCTS) は、検索ツリーを選択的に構築し、多くの可能性のある将来をシミュレートすることによって最善の手を決定する計画アルゴリズムです。
技術的なAdam は、最新のニューラル ネットワークの背後にある主力オプティマイザーであり、パラメータごとに個別の学習率を自動的に調整します。
技術的な学習率スケジュールは、トレーニング中にステップ サイズを固定するのではなく変更します。
技術的なレイヤー正規化は、平均と単位分散がゼロになるように、個々の例内のアクティベーションを再スケーリングすることでトレーニングを安定させます。
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.