Podstawy AI
Zrozum, czym jest AI, jak systemy się uczą, gdzie zawodzą i jak oceniać twierdzenia bez zamieszania.
Bezpłatna biblioteka AI
155 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.
Zacznij tutaj
Każdy kurs zawiera wyraźne wyniki, zmapowane kompetencje, ćwiczenia oraz praktyczny projekt końcowy.
Zrozum, czym jest AI, jak systemy się uczą, gdzie zawodzą i jak oceniać twierdzenia bez zamieszania.
Korzystaj z AI produktywnie, jednocześnie chroniąc prywatność, kontrolując wyniki i dbając o odpowiedzialność człowieka.
Oceniaj przypadki użycia w miejscu pracy, realizuj bezpieczne pilotażowe testy, mierz wartość i odpowiedzialnie komunikuj zmiany.
Analizuj systemy AI przez pryzmat praw, równości, zarządzania, bezpieczeństwa oraz efektów w interesie publicznym.
Zrozum modele językowe, wyszukiwanie, agenty, ocenę, koszty oraz zabezpieczenia wdrożenia poprzez praktyczne projektowanie systemów.
Ścieżki tematyczne
Wskocz w obszar, na którym Ci zależy. Do każdego utworu dołączono wiele przewodników w języku angielskim.
Pełna biblioteka
155 z 1019 pokazane przewodniki. Filtruj według utworu lub wyszukaj powyżej.
Direct Preference Optimization (DPO) to sposób na dostosowanie modeli językowych do ludzkich preferencji bez konieczności szkolenia osobnego modelu nagrody lub…
Językowa sztuczna inteligencjaModel nagrody to sieć neuronowa przeszkolona do przewidywania, jak dobra będzie reakcja sztucznej inteligencji, działająca jako automatyczny zastępca ludzkiej oceny.
Językowa sztuczna inteligencjaProximal Policy Optimization (PPO) to algorytm uczenia się przez wzmacnianie, najczęściej kojarzony z dostrajaniem modeli językowych na podstawie informacji zwrotnych od ludzi.
Językowa sztuczna inteligencjaWyszukiwanie wiązki to strategia dekodowania, która utrzymuje kilka najbardziej obiecujących sekwencji częściowych na każdym kroku, zamiast zachłannie skupiać się na jednej.
Językowa sztuczna inteligencjaPróbkowanie jądrowe (top-p) i top-k to metody dekodowania, które dodają kontrolowaną losowość do generowania tekstu poprzez ograniczenie wyboru tokenów.
Językowa sztuczna inteligencjaModelowanie języka zamaskowanego uczy sztuczną inteligencję wypełniania celowo ukrytych słów przy użyciu pełnego otaczającego kontekstu, zarówno po lewej, jak i po prawej stronie.
Językowa sztuczna inteligencjaPrzewidywanie następnego tokenu to zwodniczo prosty cel modeli w stylu GPT: biorąc pod uwagę wszystko do tej pory, odgadnij następny fragment tekstu.
Językowa sztuczna inteligencjaModele sekwencja do sekwencji odwzorowują jedną sekwencję na drugą o możliwie różnej długości, na przykład przy tłumaczeniu zdania lub podsumowaniu dokumentu.
Językowa sztuczna inteligencjaArchitektury koderów i dekoderów dzielą model na dwie połowy: jedną, która odczytuje i kompresuje dane wejściowe w bogatą reprezentację wewnętrzną, a drugą…
Językowa sztuczna inteligencjaPrzenikanie uwagi to mechanizm, który pozwala jednej sekwencji patrzeć na drugą: dekoder generujący tekst może uwzględnić reprezentację sygnału wejściowego przez koder.
Językowa sztuczna inteligencjaKatastrofalne zapominanie ma miejsce wtedy, gdy sieć neuronowa uczy się nowego zadania i nagle traci zdolność do wykonywania zadań, które już opanowała.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.