01
Fundații AI
Înțelegeți ce este AI, cum învață sistemele, unde eșuează și cum să judeci afirmațiile fără hype.
Bibliotecă AI gratuită
Fundamentele ghiduriLiber pentru totdeauna.
84 ghiduri în limba engleză simplă, căi de învățare structurate și o bibliotecă deschisă – construită de o organizație nonprofit independentă 501(c)(3), astfel încât oricine să poată înțelege IA modernă.
84Ghiduri gratuite
1Piese de subiecte
~2 minPe ghid
~3hTimp de lectură
Începeți de aici
Cinci cursuri bazate pe rezultate
Fiecare curs include rezultate explicite, competențe mapate, activități de practică și o piatră de bază aplicată.
02
Utilizator AI responsabil
Utilizați AI în mod productiv, protejând în același timp confidențialitatea, verificând rezultatele și păstrând responsabilitatea umană.
03
AI la locul de muncă
Evaluați cazurile de utilizare la locul de muncă, desfășurați piloți siguri, măsurați valoarea și comunicați schimbările în mod responsabil.
04
Politica și societatea AI
Analizați sistemele AI prin drepturi, echitate, guvernanță, siguranță și rezultate de interes public.
05
Construire cu sisteme AI
Înțelegeți modelele lingvistice, recuperarea, agenții, evaluarea, costurile și garanțiile de implementare prin proiectarea practică a sistemelor.
Piese de subiecte
Răsfoiți după piesă
Sari în zona de care îți pasă. Fiecare piesă are mai multe ghiduri în limba engleză simplă.
FundamenteleConcepte de bază: cum funcționează AI la un nivel înalt.84 ghiduri AI limbajLLM, NLP, ChatGPT, sugestii și înțelegerea textului.155 ghiduri Inteligența vizuală AIGenerare de imagini, viziune computerizată, video și design.133 ghiduri Audio AIVoce, muzică, podcasting și audio-în primul rând AI.117 ghiduri CompaniiProfilurile OpenAI, Anthropic, Google, Meta și multe altele.121 ghiduri AplicațiiCum apare AI în codificare, căutare, agenți și viața de zi cu zi.111 ghiduri IndustriiAI în sănătate, finanțe, educație, energie și multe altele.91 ghiduri TehnicCipuri, reglaj fin, RAG, vectori și infrastructură AI.177 ghiduri SocietatePrejudecăți, confidențialitate, drepturi de autor, siguranță și viitorul AI.30 ghiduri
Bibliotecă completă
Toate ghidurile
84 de 1019 ghiduri prezentate. Filtrați după piesă sau căutați mai sus.
Fundamentele
Reglare fină pentru redare automată
Reglarea fină auto-play îmbunătățește un model făcându-l să concureze sau să învețe din propriile rezultate din trecut, generând propriul semnal de antrenament.
FundamenteleAntrenament la timpul testului
Antrenamentul în timpul testării (TTT) permite unui model să continue să învețe din fiecare intrare nouă în momentul în care face o predicție, în loc să rămână blocat după antrenament.
FundamenteleGrokking și generalizarea întârziată
Grokking este un fenomen uimitor în care o rețea neuronală își memorează mai întâi datele de antrenament, se află la o precizie de validare aproape de zero pentru o lungă perioadă de timp și apoi...
FundamenteleSuprafitting și Underfitting
Suprafitting este atunci când un model își memorează datele de antrenament și eșuează la noi exemple; underfitting este atunci când este prea simplu să captezi modelul real.
FundamenteleRegularizare
Regularizarea este un set de tehnici care constrâng în mod deliberat un model, astfel încât să generalizeze la date noi în loc să memoreze setul de antrenament.
FundamentelePropagarea inversă
Propagarea inversă este algoritmul care permite unei rețele neuronale să învețe din greșelile sale, calculând eficient cât de mult a contribuit fiecare greutate la eroare.
FundamenteleCoborâre în gradient
Coborârea în gradient este metoda de optimizare care mută de fapt greutățile unui model în jos spre o eroare mai mică, un pas mic la un moment dat.
FundamenteleFuncții de pierdere
O funcție de pierdere este un singur număr care spune unui model cât de greșite sunt predicțiile sale, transformând un obiectiv vag în ceva ce poate optimiza matematica.
FundamenteleFuncții de activare
Funcțiile de activare sunt porțile mici neliniare din interiorul fiecărui neuron care permit rețelelor neuronale să învețe modele complexe, curbe în loc de doar linii drepte.
FundamenteleRețele neuronale convoluționale
Rețelele neuronale convoluționale (CNN) sunt arhitectura calului de muncă pentru înțelegerea imaginilor.
FundamenteleRețele neuronale recurente
Rețelele neuronale recurente (RNN) sunt construite pentru a gestiona secvențe precum text, vorbire și serii cronologice.
FundamenteleRețele adversare generative
Generative Adversarial Networks (GAN) creează date noi realiste punând două rețele neuronale una împotriva celeilalte într-un concurs.
Ai terminat de citit? Demonstrează.
Verificați ceea ce ați învățat cu un test pe subiect, apoi explorați cursurile noastre structurate sau lucrați pentru obținerea unui certificat. Fiecare ghid rămâne liber de citit.