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.
Wymuszanie przez nauczyciela to sztuczka szkoleniowa dla modeli sekwencji, w której jako następne dane wejściowe wprowadzany jest prawdziwy poprzedni token, a nie własne domysły modelu.
TechniczneBłąd ekspozycji to luka, która pojawia się, gdy model wytrenowany tylko na doskonałych przedrostkach musi, na podstawie wniosków, uzależniać się od własnych niedoskonałych wyników.
TechniczneStrata ogniskowa to zmodyfikowana funkcja straty, która zmniejsza wagę łatwych przykładów, dzięki czemu detektor może skupić się na trudnych, rzadkich.
TechniczneRozszerzanie czasu testu (TTA) uruchamia wyszkolony model na kilku zmienionych wersjach tych samych danych wejściowych i uśrednia przewidywania.
TechnicznePróbkowanie ujemne i estymacja kontrastu szumu (NCE) to sztuczki, które pozwalają modelom uczyć się na podstawie ogromnych słowników bez obliczania kosztownego pełnego softmaxu.
TechniczneInfoNCE to strata kontrastowa, która uczy model łączenia pasujących par i rozsuwania niedopasowanych par w przestrzeni osadzania.
TechniczneStochastyczne uśrednianie wagi (SWA) oblicza prostą średnią masę modelu z kilku punktów na koniec treningu, zamiast po prostu utrzymywać ostateczną…
TechniczneLookahead i Lion to dwa nowoczesne rozwiązania optymalizacji sieci neuronowych.
TechniczneMixup i CutMix to metody powiększania danych, które tworzą nowe przykłady szkoleniowe poprzez połączenie dwóch obrazów i ich etykiet.
TechniczneTwarda eksploracja negatywna wybiera najbardziej pouczające i trudne do rozróżnienia przykłady do trenowania, zamiast marnować wysiłek na łatwe, które model już ma…
TechniczneSieci kapsułkowe to architektura neuronowa grupująca neurony w „kapsuły”, których wektory wyjściowe kodują zarówno to, czy cecha istnieje, jak i jej położenie…
TechniczneObliczanie zasobów to sprytny skrót do uczenia sieci rekurencyjnych: zostaw duży, losowo połączony „zbiornik” neuronów w stałym stanie i trenuj tylko…
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.