01
Podstawy AI
Zrozum, czym jest AI, jak systemy się uczą, gdzie zawodzą i jak oceniać twierdzenia bez zamieszania.
Bezpłatna biblioteka AI
Podstawy przewodnikiZa darmo na zawsze.
84 przewodniki w prostym języku angielskim, ustrukturyzowane ścieżki edukacyjne i otwarta biblioteka — stworzone przez niezależną organizację non-profit 501(c)(3), aby każdy mógł zrozumieć współczesną sztuczną inteligencję.
84Bezpłatne przewodniki
1Ścieżki tematyczne
~2 minWedług przewodnika
~3hCzas czytania
Zacznij tutaj
Pięć Kursy oparte na wynikach
Każdy kurs zawiera wyraźne wyniki, zmapowane kompetencje, ćwiczenia oraz praktyczny projekt końcowy.
02
Odpowiedzialny użytkownik AI
Korzystaj z AI produktywnie, jednocześnie chroniąc prywatność, kontrolując wyniki i dbając o odpowiedzialność człowieka.
03
AI w pracy
Oceniaj przypadki użycia w miejscu pracy, realizuj bezpieczne pilotażowe testy, mierz wartość i odpowiedzialnie komunikuj zmiany.
04
Polityka i społeczeństwo dotyczące sztucznej inteligencji
Analizuj systemy AI przez pryzmat praw, równości, zarządzania, bezpieczeństwa oraz efektów w interesie publicznym.
05
Budowanie z systemami AI
Zrozum modele językowe, wyszukiwanie, agenty, ocenę, koszty oraz zabezpieczenia wdrożenia poprzez praktyczne projektowanie systemów.
Ścieżki tematyczne
Przeglądaj według utworu
Wskocz w obszar, na którym Ci zależy. Do każdego utworu dołączono wiele przewodników w języku angielskim.
PodstawyPodstawowe pojęcia: jak sztuczna inteligencja działa na wysokim poziomie.84 przewodniki Językowa sztuczna inteligencjaLLM, NLP, ChatGPT, podpowiadanie i rozumienie tekstu.155 przewodniki Wizualna sztuczna inteligencjaGenerowanie obrazu, wizja komputerowa, wideo i projektowanie.133 przewodniki Dźwiękowa sztuczna inteligencjaGłos, muzyka, podcasty i sztuczna inteligencja oparta na dźwięku.117 przewodniki FirmyProfile OpenAI, Anthropic, Google, Meta i nie tylko.121 przewodniki AplikacjeJak sztuczna inteligencja pojawia się w kodowaniu, wyszukiwaniu, agentach i życiu codziennym.111 przewodniki PrzemysłySztuczna inteligencja w opiece zdrowotnej, finansach, edukacji, energetyce i nie tylko.91 przewodniki TechniczneChipy, dostrajanie, RAG, wektory i infrastruktura AI.177 przewodniki SpołeczeństwoUprzedzenia, prywatność, prawa autorskie, bezpieczeństwo i przyszłość sztucznej inteligencji.30 przewodniki
Pełna biblioteka
Wszystkie przewodniki
84 z 1019 pokazane przewodniki. Filtruj według utworu lub wyszukaj powyżej.
Podstawy
Stochastyczne opadanie gradientu z pędem
Momentum to modyfikacja zjazdu gradientowego, która gromadzi średnią bieżącą z poprzednich gradientów, umożliwiając optymalizację szybsze pokonywanie dolin i tłumienie…
PodstawyPrzyspieszony gradient Niestierowa
Przyspieszony gradient Niestierowa (NAG) to inteligentniejsza forma pędu, która spogląda w przyszłość przed obliczeniem gradientu, zapewniając korygujące spojrzenie w przyszłość.
PodstawyStrata trójek i uczenie się metryk
Utrata trójek uczy sieć neuronową umieszczania podobnych elementów blisko siebie i odmiennych elementów daleko od siebie w przestrzeni osadzania.
PodstawyWygładzanie etykiet
Wygładzanie etykiet to prosta sztuczka regularyzacyjna, która łagodzi trudne, jednokrotne cele treningowe, informując model, że poprawna odpowiedź jest bardzo prawdopodobna, ale nie 100…
PodstawyKomórki pamięci długotrwałej i krótkotrwałej
Komórki długiej pamięci krótkotrwałej (LSTM) to specjalny rodzaj rekurencyjnej jednostki sieci neuronowej zbudowanej w celu zapamiętywania informacji w długich sekwencjach.
PodstawyKlastrowanie K-średnich
K-Means to nienadzorowany algorytm, który automatycznie sortuje dane w grupach K, znajdując centra skupień.
PodstawyK-Najbliżsi sąsiedzi
Funkcja K-Nearest Neighbors (KNN) klasyfikuje nowy punkt danych, przyglądając się K najbliższym przykładom i podejmując decyzję większościową.
PodstawyRegresja logistyczna
Regresja logistyczna przewiduje prawdopodobieństwo, że coś należy do danej klasy, na przykład spam lub nie spam, poprzez zgniecenie sumy ważonej przez krzywą w kształcie litery S.
PodstawyNaiwne klasyfikatory Bayesa
Naive Bayes to szybki, probabilistyczny klasyfikator zbudowany na twierdzeniu Bayesa, które zakłada, że każda cecha jest niezależna w danej klasie.
PodstawyKrzywe ROC i AUC
Krzywa ROC przedstawia, jak dobrze klasyfikator oddziela dwie klasy w ramach każdego możliwego progu decyzyjnego, a AUC kompresuje całą krzywą w jedną liczbę.
PodstawyMatryce zamieszania
Macierz zamieszania to prosta tabela, która dzieli przewidywania klasyfikatora na prawidłowe i niepoprawne liczby dla każdej klasy.
PodstawyKompromis odchylenia i wariancji
Kompromis wariancji odchylenia wyjaśnia, dlaczego model może zawieść, ponieważ jest zbyt prosty lub zbyt złożony.
Skończyłeś czytać? Udowodnij to.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.