여기서 시작하세요
무료 AI 라이브러리
기초 가이드 영원히 무료입니다.
134 누구나 최신 AI를 이해할 수 있도록 독립적인 501(c)(3) 비영리 단체에서 구축한 일반 영어 가이드, 구조화된 학습 경로 및 개방형 라이브러리입니다.
- 134무료 가이드
- 1주제 트랙
- ~3 min가이드 당
- ~6h읽기 시간
여기서 시작하세요
다섯 결과 기반 강좌
각 과정에는 명확한 성과, 매핑된 역량, 실습 활동, 그리고 적용된 캡스톤이 포함되어 있습니다.
중급 · 4 모듈
AI at Work(직장 내 인공지능)
직장 내 사용 사례를 평가하고, 안전한 시범 사업을 운영하며, 가치를 측정하고, 변화를 책임감 있게 전달하세요.
~6h 완료코스 보기
주제 트랙
트랙별로 찾아보기
관심 있는 영역으로 뛰어들어 보세요. 모든 트랙에는 여러 개의 일반 영어 가이드가 있습니다.
- 134 가이드기초핵심 개념: AI가 높은 수준에서 작동하는 방식.탐색
- 272 가이드언어 AILLM, NLP, ChatGPT, 프롬프트 및 텍스트 이해.탐색
- 298 가이드비주얼 AI이미지 생성, 컴퓨터 비전, 비디오 및 디자인.탐색
- 188 가이드오디오 AI음성, 음악, 팟캐스트, 오디오 우선 AI.탐색
- 145 가이드회사OpenAI, Anthropic, Google, Meta 등의 프로필.탐색
- 761 가이드응용AI가 코딩, 검색, 에이전트, 일상생활에 어떻게 나타나는지.탐색
- 244 가이드산업의료, 금융, 교육, 에너지 등의 AI입니다.탐색
- 536 가이드기술칩, 미세 조정, RAG, 벡터 및 AI 인프라.탐색
- 422 가이드사회편견, 개인 정보 보호, 저작권, 안전 및 AI 미래.탐색
전체 라이브러리
기초
134 의 3000 가이드가 표시됩니다. 트랙별로 필터링하거나 위에서 검색하세요.
- 기초모멘텀을 이용한 확률적 경사하강법모멘텀은 과거 경사의 실행 평균을 누적하는 경사하강법을 조정하여 최적화가 계곡을 통해 더 빠르게 굴러가고 약화되도록 합니다.2 분 읽음읽기
- 기초네스테로프 가속 그래디언트NAG(Nesterov Accelerated Gradient)는 기울기를 계산하기 전에 앞을 엿보고 교정적인 미리보기를 제공하는 더 스마트한 형태의 모멘텀입니다.2 분 읽음읽기
- 기초삼중 손실 및 측정 학습Triplet loss teaches a neural network to place similar items close together and dissimilar items far apart in an embedding space. Free plain-English guide.2 분 읽음읽기
- 기초라벨 평활화Label smoothing replaces hard one-hot targets with a softened target distribution during training. Free plain-English guide.2 분 읽음읽기
- 기초장단기 기억 세포Long Short-Term Memory (LSTM) cells are recurrent units designed to help preserve information and error flow across long sequences.3 분 읽음읽기
- 기초K-평균 클러스터링K-Means is an unsupervised algorithm that automatically sorts data into K groups by finding cluster centers. Free plain-English guide.2 분 읽음읽기
- 기초K-최근접이웃K-Nearest Neighbors (KNN) classifies a new data point by looking at the K closest examples and taking a majority vote. Free plain-English guide.2 분 읽음읽기
- 기초로지스틱 회귀로지스틱 회귀는 S자형 곡선을 통해 가중치 합계를 압축하여 스팸 여부와 같은 클래스에 속하는 항목이 있을 확률을 예측합니다.2 분 읽음읽기
- 기초나이브 베이즈 분류기Naive Bayes is a probabilistic classifier based on Bayes’ theorem with a conditional-independence assumption for features given a class.1 분 읽음읽기
- 기초ROC 곡선 및 AUCROC 곡선은 분류기가 가능한 모든 결정 임계값에서 두 클래스를 얼마나 잘 분리하는지를 표시하고 AUC는 해당 전체 곡선을 하나의 숫자로 압축합니다.2 분 읽음읽기
- 기초혼란 행렬A confusion matrix is a simple table that breaks a classifier's predictions into correct and incorrect counts for each class. Free plain-English guide.2 분 읽음읽기
- 기초편향-분산 트레이드오프The bias-variance tradeoff explains why a model can fail by being too simple or too complex. Free plain-English guide.2 분 읽음읽기
다 읽었어? 증명해 봐.
주제 퀴즈를 통해 배운 내용을 확인한 다음 체계적인 과정을 살펴보거나 인증서를 취득하세요. 모든 가이드는 무료로 읽을 수 있습니다.