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
Destylacja wiedzy
Destylacja wiedzy uczy małego modelu „ucznia” tak, aby naśladował duży, dokładny model „nauczyciela”.
TechniczneMieszanka ekspertów
Mieszanka ekspertów (MoE) to projekt modelowy, który dzieli sieć na wiele wyspecjalizowanych podsieci i aktywuje tylko kilka na wejście.
PodstawyOsadzenia
Osadzanie zamienia słowa, obrazy lub inne dane w listy liczb (wektory), dzięki czemu podobne rzeczy znajdują się blisko siebie w przestrzeni wielowymiarowej.
PodstawyTokenizacja
Tokenizacja to krok, który dzieli tekst na mniejsze kawałki zwane tokenami, czyli jednostkami, które model języka faktycznie odczytuje i przewiduje.
PodstawyInżynieria funkcji
Inżynieria cech to sztuka przekształcania surowych danych w dane wejściowe (cechy), które pomagają modelowi w uczeniu się.
TechniczneKwantyzacja modelu
Kwantyzacja modelu zmniejsza sieć neuronową, przechowując jej liczby w mniejszej liczbie bitów, dzięki czemu ten sam model działa szybciej i na mniejszym sprzęcie.
TechniczneSfederowane uczenie się
Uczenie federacyjne szkoli wspólny model na wielu urządzeniach lub organizacjach bez gromadzenia surowych danych w jednym miejscu.
PodstawyDrzewa decyzyjne i lasy losowe
Drzewo decyzyjne prognozuje, zadając serię prostych pytań typu „tak/nie”, przypominających schemat blokowy.
PodstawyWsparcie maszyn wektorowych
Maszyna wektorów nośnych (SVM) to klasyczny algorytm oddzielający dwie grupy poprzez narysowanie między nimi możliwie najszerszej granicy.
PodstawyRedukcja wymiarowości
Redukcja wymiarowości zmniejsza dane z wielu kolumn (cech) do kilku, zachowując jednocześnie ważną strukturę.
PodstawyNauczanie transferowe
Transfer uczenia się ponownie wykorzystuje model już przeszkolony na dużym zbiorze danych i dostosowuje go do nowego, powiązanego zadania.
PodstawySamonadzorowane uczenie się
Uczenie się samonadzorowane szkoli modele na nieoznaczonych danych, wymyślając zadanie, którego odpowiedź jest ukryta w samych danych.
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.