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
1019 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
1019 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。
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 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。
基本グループ正規化は、小さなチャネル グループ内の特徴をチャネルごとに独立して正規化することで、ニューラル ネットワーク トレーニングを安定化する手法です。
基本ゲート付きリカレント ユニット (GRU) は、2 つのゲートを使用してどの情報を保持し、何を忘れるかを決定する合理化されたタイプのリカレント ニューラル ネットワーク セルです。
技術的な双方向リカレント 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。
技術的なアテンション ロールアウトは、Transformer の積み重ねられたアテンション レイヤーを情報がどのように流れるかを追跡し、どの入力トークンが影響を与えるかを説明する方法です。
言語AI対照デコードでは、大きくて強力な言語モデルの傾向から小さくて弱い言語モデルの傾向を差し引くことで、より高品質のテキストが生成されます。
言語AI制約付きビーム検索では、言語モデルの出力が、特定の単語を含めたり、文法と一致したりするなどの厳しい要件を満たすように強制されますが、それでも…
言語AI最小ベイズ リスク (MBR) デコードでは、確率が最も高い単一の出力ではなく、他の多くの可能性のある出力に最も類似した出力が選択されます。
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.