Podstawy AI
Zrozum, czym jest AI, jak systemy się uczą, gdzie zawodzą i jak oceniać twierdzenia bez zamieszania.
Bezpłatna biblioteka AI
177 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
177 z 1019 pokazane przewodniki. Filtruj według utworu lub wyszukaj powyżej.
Wykrywanie dryfu modelu to praktyka polegająca na monitorowaniu wdrożonego modelu uczenia maszynowego w celu wykrycia, gdy jego dokładność cicho spada, ponieważ rzeczywisty świat…
TechniczneTestowanie A/B modeli ML oznacza kierowanie ruchu na żywo do dwóch wersji modelu jednocześnie i mierzenie, która z nich faktycznie działa lepiej na prawdziwych użytkownikach i…
TechniczneSerializacja modelu polega na zapisywaniu wyszkolonego modelu uczenia maszynowego na dysku, dzięki czemu można go później załadować i uruchomić na innej maszynie lub w innym…
TechniczneUczenie o mieszanej precyzji przyspiesza uczenie sieci neuronowej i zmniejsza zużycie pamięci, wykonując większość obliczeń matematycznych w 16-bitowym formacie zmiennoprzecinkowym zamiast w 32-bitowym.
TechniczneDekodowanie spekulatywne sprawia, że duże modele językowe generują tekst szybciej, używając małego, szybkiego modelu „szkicowego” do odgadnięcia kilku tokenów do przodu, a następnie mając duży…
TechnicznePamięć podręczna KV przechowuje klucze i wartości, które transformator już obliczył, więc nie powtarza działania dla każdego nowego tokena — ale może powiększyć się do gigabajtów.
TechniczneFlash Attention to sprytny sposób na obliczenie kroku uwagi w Transformersach bez konieczności zapisywania gigantycznej macierzy uwagi w celu spowolnienia pamięci.
TechnicznePrzycinanie modelu zmniejsza sieć neuronową poprzez usuwanie ciężarów lub całych struktur, które w niewielkim stopniu przyczyniają się do jej wyników.
TechniczneTokenizacja dzieli tekst na małe jednostki, które faktycznie czyta model języka, a kodowanie par bajtów (BPE) to popularna metoda budowania…
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.