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
Samodzielne dostrajanie
Samodzielne dostrajanie ulepsza model, umożliwiając mu konkurowanie z własnymi wynikami z przeszłości lub uczenie się na nich, generując własny sygnał szkoleniowy.
PodstawySzkolenie w czasie testu
Trening w czasie testów (TTT) pozwala modelowi uczyć się na podstawie nowych danych wejściowych w momencie formułowania prognozy, zamiast zatrzymywać się po treningu.
PodstawyGrokking i opóźniona generalizacja
Grokking to zaskakujące zjawisko, w którym sieć neuronowa najpierw zapamiętuje dane treningowe, przez długi czas utrzymuje się z dokładnością bliską zeru, a następnie…
PodstawyNadmierne i niedostateczne dopasowanie
Nadmierne dopasowanie ma miejsce wtedy, gdy model zapamiętuje dane szkoleniowe i nie radzi sobie z nowymi przykładami; niedopasowanie ma miejsce wtedy, gdy uchwycenie prawdziwego wzorca jest zbyt proste.
PodstawyRegularyzacja
Regularyzacja to zestaw technik, które celowo ograniczają model, aby uogólniał go na nowe dane zamiast zapamiętywać zbiór uczący.
PodstawyPropagacja wsteczna
Propagacja wsteczna to algorytm, który pozwala sieci neuronowej uczyć się na błędach poprzez efektywne obliczanie, w jakim stopniu każda waga przyczyniła się do błędu.
PodstawyZejście gradientowe
Zejście gradientowe to metoda optymalizacji, która w rzeczywistości przesuwa wagi modelu w dół w kierunku niższego błędu, o jeden mały krok na raz.
PodstawyFunkcje straty
Funkcja straty to pojedyncza liczba, która informuje model, jak błędne są jego przewidywania, zmieniając niejasny cel w coś, co można zoptymalizować za pomocą matematyki.
PodstawyFunkcje aktywacji
Funkcje aktywacji to małe nieliniowe bramki wewnątrz każdego neuronu, które pozwalają sieciom neuronowym uczyć się złożonych, zakrzywionych wzorów, a nie tylko linii prostych.
PodstawyKonwolucyjne sieci neuronowe
Konwolucyjne sieci neuronowe (CNN) są architekturą niezbędną do zrozumienia obrazów.
PodstawyRekurencyjne sieci neuronowe
Rekurencyjne sieci neuronowe (RNN) są zbudowane do obsługi sekwencji takich jak tekst, mowa i szeregi czasowe.
PodstawyGeneracyjne sieci przeciwstawne
Generacyjne sieci kontradyktoryjne (GAN) tworzą realistyczne nowe dane, konkurując ze sobą dwie sieci neuronowe.
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.