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
Walidacja krzyżowa
Walidacja krzyżowa to technika ponownego próbkowania służąca do oszacowania, jak dobrze model będzie generalizował na niewidoczne dane.
PodstawyPrecyzja i pamięć
Precyzja i przypominanie to dwie uzupełniające się metryki służące do oceny klasyfikatorów, szczególnie gdy klasy są niezrównoważone.
PodstawyZjawisko podwójnego spadku
Podwójne opadanie to zaskakująca obserwacja, że w miarę powiększania się modelu błąd testu najpierw pogarsza się w pobliżu „progu interpolacji”, ale potem się poprawia…
PodstawyTeoria jądra stycznego neuronowego
Neural Tangent Kernel (NTK) to narzędzie matematyczne pokazujące, że nieskończenie szerokie sieci neuronowe zachowują się jak specyficzna, stała metoda jądra podczas…
PodstawyHipoteza dotycząca losu na loterię
Hipoteza losu na loterię mówi, że wewnątrz dużej, losowo inicjowanej sieci neuronowej kryje się mała podsieć – „zwycięski los” – która wyszkolona…
PodstawyPrawa skalowania dla sieci neuronowych
Prawa skalowania to wzory empiryczne pokazujące, że straty sieci neuronowej maleją w przewidywalny sposób wraz ze wzrostem rozmiaru modelu, rozmiaru zbioru danych i obliczeń.
PodstawySzkolenie optymalne pod kątem obliczeń dla szynszyli
Według ustaleń DeepMind z 2022 r. Chinchilla większość dużych modeli językowych była źle przeszkolona: w przypadku stałego budżetu obliczeniowego należy skalować parametry…
PodstawyZgrupowana normalizacja nagród w RLHF
Zgrupowana normalizacja nagród standaryzuje nagrody modelu w ramach partii odpowiedzi na ten sam monit, przekształcając zaszumione wyniki w stabilny trening…
PodstawyModele świata i uczone symulatory
Model świata to sieć neuronowa, która uczy się przewidywać zmiany środowiska w czasie, pozwalając sztucznej inteligencji „wyobrazić sobie” przyszłe wyniki przed podjęciem działań.
PodstawyNormalizacja długości w optymalizacji preferencji
Normalizacja długości dostosowuje cele dostrajania preferencji, dzięki czemu modele przestają zdobywać akceptację po prostu pisząc dłuższe odpowiedzi.
PodstawyModelowanie nagrody Bradleya-Terry'ego
Model Bradleya-Terry'ego to stuletnia metoda statystyczna służąca do przekształcania porównań parami (A pokonuje B) na wyniki liczbowe.
PodstawyIteracyjny DPO i dostrajanie preferencji online
Iteracyjny inspektor ochrony danych wielokrotnie dopasowuje model językowy do preferencji człowieka lub sztucznej inteligencji, generując nowe odpowiedzi, klasyfikując je i dostrajając za każdym razem te nowe pary…
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.