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
多腕の盗賊
多腕バンディットは、利益が未知のオプションの中から繰り返し選択し、新しい探索とのバランスをとりながら学習していく意思決定の問題です。
技術的なBentoML とモデルのパッケージ化
BentoML は、トレーニング済みの機械学習モデルを「Bentos」と呼ばれる標準化された展開可能なユニットにパッケージ化するオープンソースの Python フレームワークです。
技術的なKubernetes での KServe とモデルの提供
KServe は、機械学習モデルを大規模に提供するための標準化された Kubernetes ネイティブ プラットフォームです。
技術的なSeldon コアと推論グラフ
Seldon Core は、Kubernetes 上に機械学習モデルをデプロイするためのオープンソース プラットフォームであり、推論グラフという傑出した機能を備えています。
技術的なグラデーションの消失と爆発
深いネットワークをトレーニングする場合、エラー信号は多くの層を逆方向に移動するにつれて、ゼロに向かって縮小するか、無限に向かって爆発します。
技術的なグラデーションクリッピング
シンプルで広く使用されている安全策で、トレーニング中に取得できる勾配更新の規模を制限します。
技術的な重みの初期化
トレーニングを開始する前にニューラル ネットワークの開始重みを設定する方法。これにより、信号と勾配が深い層まで健全に保たれるかどうかが大きく決まります。
技術的な模倣学習
模倣学習では、試行錯誤の報酬から学習するのではなく、専門家のデモンストレーションをコピーすることでタスクを実行するように AI に学習させます。
技術的な逆強化学習
逆強化学習 (IRL) は、標準的な RL を反転します。報酬を与えてポリシーを見つける代わりに、専門家の行動を監視して推測します。
技術的なオフライン強化学習
オフライン強化学習は、環境とのライブ対話を行わず、事前に収集された固定データセットのみからエージェントをトレーニングします。
技術的なSmoothQuant とアクティベーション クオンタイズ
SmoothQuant は、大規模な言語モデルを重みとアクティベーションの両方について 8 ビット整数まで圧縮することを可能にする技術です。
技術的な構造化プルーニングとレイヤードロップ
構造化プルーニングでは、アテンション ヘッド、ニューロン、レイヤー全体など、ニューラル ネットワークのコンポーネント全体が削除されるため、よりスリムなモデルがより高速に実行されます。
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.