01
Podstawy AI
Zrozum, czym jest AI, jak systemy się uczą, gdzie zawodzą i jak oceniać twierdzenia bez zamieszania.
Bezpłatna biblioteka AI
Naucz się sztucznej inteligencji.Za darmo na zawsze.
1019 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.
1019Bezpłatne przewodniki
9Ścieżki tematyczne
~2 minWedług przewodnika
~34hCzas 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
1019 z 1019 pokazane przewodniki. Filtruj według utworu lub wyszukaj powyżej.
Techniczne
Sondowanie liniowe i ocena funkcji zamrożonych
Sondowanie liniowe sprawdza, jak dobre są wewnętrzne reprezentacje wstępnie wyszkolonego modelu, zamrażając sieć i trenując tylko prosty klasyfikator liniowy na górze.
Językowa sztuczna inteligencjaSpekulacyjna weryfikacja próbkowania
Próbkowanie spekulatywne przyspiesza generowanie dużych modeli językowych, umożliwiając małemu modelowi „szkicowemu” odgadnięcie kilku tokenów do przodu, a następnie zlecając dużemu modelowi weryfikację…
Językowa sztuczna inteligencjaPróbkowanie oparte na entropii
Próbkowanie oparte na entropii dostosowuje sposób, w jaki LLM wybiera kolejny token w oparciu o niepewność modelu w tym momencie.
TechniczneDenseNet i gęsta łączność
DenseNet to sieć splotowa, w której każda warstwa otrzymuje jako dane wejściowe mapy obiektów ze wszystkich poprzednich warstw.
TechniczneArchitektury wąskiego gardła
Architektura wąskiego gardła przeciska dane przez wąską warstwę pośrednią, a następnie je ponownie rozszerza, zmuszając sieć do uczenia się zwartej, wydajnej…
TechniczneAkumulacja gradientowa
Akumulacja gradientów pozwala symulować duży rozmiar partii przy ograniczonej pamięci GPU poprzez sumowanie gradientów w kilku małych minipartiach przed aktualizacją…
PodstawyWczesne zatrzymanie
Wczesne zatrzymanie to technika regularyzacji, która wstrzymuje szkolenie modelu w momencie, gdy wydajność wstrzymanych danych walidacyjnych przestaje się poprawiać.
TechniczneWymuszanie nauczycieli w modelach sekwencji
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.
TechniczneZaplanowane próbkowanie i błąd ekspozycji
Błąd ekspozycji to luka, która pojawia się, gdy model wytrenowany tylko na doskonałych przedrostkach musi, na podstawie wniosków, uzależniać się od własnych niedoskonałych wyników.
TechniczneUtrata ogniskowej w przypadku niezrównoważonej detekcji
Strata ogniskowa to zmodyfikowana funkcja straty, która zmniejsza wagę łatwych przykładów, dzięki czemu detektor może skupić się na trudnych, rzadkich.
PodstawyStochastyczne opadanie gradientu z pędem
Momentum to modyfikacja zjazdu gradientowego, która gromadzi średnią bieżącą z poprzednich gradientów, umożliwiając optymalizację szybsze pokonywanie dolin i tłumienie…
PodstawyPrzyspieszony gradient Niestierowa
Przyspieszony gradient Niestierowa (NAG) to inteligentniejsza forma pędu, która spogląda w przyszłość przed obliczeniem gradientu, zapewniając korygujące spojrzenie w przyszłość.
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.