Perpustakaan AI percuma

Asas panduanPercuma selamanya.

84 panduan bahasa Inggeris biasa, laluan pembelajaran berstruktur dan perpustakaan terbuka — dibina oleh 501(c)(3) bukan untung bebas supaya sesiapa sahaja boleh memahami AI moden.

84Panduan percuma
1Jejak topik
~2 minSetiap panduan
~3hMasa membaca

Mulakan di sini

Lima kursus berasaskan hasil

Setiap kursus merangkumi hasil yang jelas, kompetensi yang dipetakan, aktiviti latihan, dan capstone terapan.

Jejak topik

Semak imbas mengikut trek

Lompat ke kawasan yang anda minati. Setiap trek mempunyai berbilang panduan bahasa Inggeris biasa.

AsasKonsep teras: cara AI berfungsi pada tahap tinggi.84 panduan AI bahasaLLM, NLP, ChatGPT, gesaan dan pemahaman teks.155 panduan AI VisualPenjanaan imej, penglihatan komputer, video dan reka bentuk.133 panduan AI AudioSuara, muzik, podcasting dan AI mengutamakan audio.117 panduan SyarikatProfil OpenAI, Anthropic, Google, Meta dan banyak lagi.121 panduan AplikasiCara AI muncul dalam pengekodan, carian, ejen dan kehidupan harian.111 panduan industriAI dalam penjagaan kesihatan, kewangan, pendidikan, tenaga dan banyak lagi.91 panduan TeknikalCip, penalaan halus, RAG, vektor dan infrastruktur AI.177 panduan MasyarakatBias, privasi, hak cipta, keselamatan dan masa depan AI.30 panduan

Perpustakaan penuh

Semua panduan

84 daripada 1019 panduan yang ditunjukkan. Tapis mengikut trek atau carian di atas.

Asas

Main Sendiri Penalaan Halus

Penalaan halus main sendiri meningkatkan model dengan memintanya bersaing atau belajar daripada output masa lalunya sendiri, menghasilkan isyarat latihannya sendiri.

2 min bacaBaca
Asas

Latihan Masa Ujian

Latihan masa ujian (TTT) membolehkan model terus belajar daripada setiap input baharu pada masa ia membuat ramalan, dan bukannya kekal beku selepas latihan.

2 min bacaBaca
Asas

Grokking dan Generalisasi Tertunda

Grokking ialah fenomena mengejutkan di mana rangkaian saraf mula-mula menghafal data latihannya, berada pada ketepatan pengesahan hampir sifar untuk masa yang lama, dan kemudian…

2 min bacaBaca
Asas

Overfitting dan Underfitting

Overfitting ialah apabila model menghafal data latihannya dan gagal pada contoh baharu; underfitting adalah apabila terlalu mudah untuk menangkap corak sebenar.

2 min bacaBaca
Asas

Regularisasi

Regularisasi ialah satu set teknik yang sengaja mengekang model supaya ia membuat generalisasi kepada data baharu dan bukannya menghafal set latihan.

2 min bacaBaca
Asas

Penyebaran balik

Backpropagation ialah algoritma yang membolehkan rangkaian saraf belajar daripada kesilapannya dengan mengira dengan cekap jumlah setiap berat menyumbang kepada ralat.

2 min bacaBaca
Asas

Keturunan Kecerunan

Turun kecerunan ialah kaedah pengoptimuman yang sebenarnya menggerakkan pemberat model menuruni bukit ke arah ralat yang lebih rendah, satu langkah kecil pada satu masa.

2 min bacaBaca
Asas

Fungsi Kehilangan

Fungsi kerugian ialah nombor tunggal yang memberitahu model betapa salah ramalannya, mengubah matlamat yang samar-samar menjadi sesuatu yang boleh dioptimumkan oleh matematik.

2 min bacaBaca
Asas

Fungsi Pengaktifan

Fungsi pengaktifan ialah gerbang tak linear kecil di dalam setiap neuron yang membolehkan rangkaian saraf mempelajari corak yang kompleks dan melengkung dan bukannya hanya garis lurus.

2 min bacaBaca
Asas

Rangkaian Neural Konvolusi

Rangkaian Neural Convolutional (CNN) ialah seni bina kuda kerja untuk memahami imej.

2 min bacaBaca
Asas

Rangkaian Neural Berulang

Rangkaian Neural Berulang (RNN) dibina untuk mengendalikan urutan seperti teks, pertuturan dan siri masa.

2 min bacaBaca
Asas

Rangkaian Musuh Generatif

Generative Adversarial Networks (GAN) mencipta data baharu yang realistik dengan mengadu dua rangkaian neural antara satu sama lain dalam pertandingan.

2 min bacaBaca

Sudah habis membaca? Buktikan.

Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.

Uji apa yang anda pelajariDapatkan sijilSumbangBaca misi kami