여기서 시작하세요
무료 AI 라이브러리
기술 가이드 영원히 무료입니다.
536 누구나 최신 AI를 이해할 수 있도록 독립적인 501(c)(3) 비영리 단체에서 구축한 일반 영어 가이드, 구조화된 학습 경로 및 개방형 라이브러리입니다.
- 536무료 가이드
- 1주제 트랙
- ~3 min가이드 당
- ~26h읽기 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
기술
536 의 3000 가이드가 표시됩니다. 트랙별로 필터링하거나 위에서 검색하세요.
- 기술개수 데이터에 대한 포아송 회귀포아송 회귀 분석은 예측 변수의 함수로 카운트의 예상 값을 모델링하며, 일반적으로 적합성을 유지하기 위해 로그 링크를 사용하여 양수를 의미합니다.4 분 읽음읽기
- 기술다중클래스 분류를 위한 소프트맥스 회귀Softmax 회귀는 각 클래스에 점수를 할당하고 모든 점수를 확률로 변환하여 로지스틱 회귀를 상호 배타적인 클래스로 확장합니다.3 분 읽음읽기
- 기술XGBoost 알고리즘XGBoost는 정규화를 통해 현재 목표를 개선하기 위해 새로운 트리를 피팅하여 가법 예측기를 구축하는 그래디언트 부스팅 라이브러리입니다.3 분 읽음읽기
- 기술기대-최대화 알고리즘기대 최대화(EM)는 데이터에 관측되지 않은 변수나 누락된 값이 포함된 경우 추정을 번갈아 수행하여 모델 매개변수를 추정합니다.3 분 읽음읽기
- 기술지니 불순물지니 불순도는 의사결정 트리 노드에서 클래스 레이블이 얼마나 혼합되어 있는지 측정하며, 0은 모든 예제가 하나의 클래스에 속함을 나타냅니다.4 분 읽음읽기
- 기술KL 다이버전스Kullback-Leibler(KL) 발산은 하나의 확률 분포를 사용하여 다른 확률 분포를 나타내는 데 예상되는 추가 정보 비용을 측정합니다.3 분 읽음읽기
- 기술마르코프 체인 몬테카를로마르코프 체인 몬테 카를로(MCMC)는 신중하게 설계된 마르코프 체인의 종속 추첨을 사용하여 목표 분포에서 기대치를 근사화합니다.4 분 읽음읽기
- 기술다중 비교 수정많은 가설을 테스트하면 각 테스트가 동일한 명목 유의 수준을 사용하는 경우에도 하나 이상의 거짓양성을 얻을 확률이 높아집니다.3 분 읽음읽기
- 기술ARIMA 모델ARIMA 모델은 차수 p, d, q로 요약된 자기회귀 항, 차분 항, 이동 평균 항을 사용하여 시계열을 예측합니다.3 분 읽음읽기
- 기술자기상관, ACF 및 PACF자기 상관은 시계열과 시차 버전 간의 선형 연관성을 측정하고 ACF는 이를 시차에 걸쳐 표시합니다.3 분 읽음읽기
- 기술변화점 감지Change point detection identifies times when a series' statistical behavior shifts, such as a change in mean, variance or trend. Free plain-English guide.3 분 읽음읽기
- 기술DBSCAN 클러스터링DBSCAN forms clusters from dense neighborhoods and labels points that cannot connect to a sufficiently dense region as noise. Free plain-English guide.3 분 읽음읽기
다 읽었어? 증명해 봐.
주제 퀴즈를 통해 배운 내용을 확인한 다음 체계적인 과정을 살펴보거나 인증서를 취득하세요. 모든 가이드는 무료로 읽을 수 있습니다.