Бесплатная библиотека искусственного интеллекта

Основы гидыБесплатно навсегда.

84 простые руководства на английском языке, структурированные схемы обучения и открытая библиотека, созданная независимой некоммерческой организацией 501(c)(3), чтобы каждый мог понять современный искусственный интеллект.

84Бесплатные гиды
1Тематические треки
~2 minЗа руководство
~3hВремя чтения

Начните здесь

Пять курсы, ориентированные на результат

Каждый курс включает в себя явные результаты, обозначенные компетенции, практические занятия и прикладной завершающий этап.

01

Фонды искусственного интеллекта

Поймите, что такое ИИ, как системы учатся, где они терпят неудачу и как оценивать претензии без шумихи.

  1. 1Что такое ИИ?
  2. 2Как учится ИИ
  3. 3Объяснение моделей искусственного интеллекта
  4. 4Тесты искусственного интеллекта
~4ч, чтобы завершитьПосмотреть курс
03

ИИ в работе

Оценивайте варианты использования на рабочем месте, запускайте безопасные пилотные проекты, измеряйте ценность и ответственно сообщайте об изменениях.

  1. 1Автоматизация рабочих процессов с использованием искусственного интеллекта
  2. 2Тесты искусственного интеллекта
  3. 3ИИ и рабочие места
  4. 4Управление ИИ
~6ч, чтобы завершитьПосмотреть курс
04

Политика и общество в области искусственного интеллекта

Анализируйте системы ИИ с точки зрения прав, справедливости, управления, безопасности и результатов, отвечающих общественным интересам.

  1. 1Этика ИИ
  2. 2ИИ и конфиденциальность
  3. 3Регулирование ИИ
  4. 4Мифы об искусственном интеллекте
~6ч, чтобы завершитьПосмотреть курс
05

Строительство с использованием систем искусственного интеллекта

Понимание языковых моделей, поиска, агентов, оценки, стоимости и гарантий развертывания посредством практического проектирования системы.

  1. 1ChatGPT и LLM
  2. 2Качество поиска
  3. 3ИИ-агенты
  4. 4Тесты искусственного интеллекта
~8ч, чтобы завершитьПосмотреть курс

Тематические треки

Просмотр по треку

Прыгайте в область, которая вас волнует. У каждого трека есть несколько путеводителей на простом английском языке.

ОсновыОсновные концепции: как ИИ работает на высоком уровне.84 гиды Языковой ИИLLM, НЛП, ChatGPT, подсказки и понимание текста.155 гиды Визуальный ИИГенерация изображений, компьютерное зрение, видео и дизайн.133 гиды Аудио ИИГолос, музыка, подкастинг и искусственный интеллект, ориентированный на аудио.117 гиды КомпанииПрофили OpenAI, Anthropic, Google, Meta и других.121 гиды ПриложенияКак ИИ проявляется в кодировании, поиске, агентах и ​​повседневной жизни.111 гиды ОтраслиИИ в здравоохранении, финансах, образовании, энергетике и многом другом.91 гиды ТехническийЧипы, тонкая настройка, RAG, векторы и ИИ-инфраструктура.177 гиды ОбществоПредвзятость, конфиденциальность, авторское право, безопасность и будущее ИИ.30 гиды

Полная библиотека

Все руководства

84 из 1019 показаны направляющие. Фильтруйте по треку или выполните поиск выше.

Основы

Стохастический градиентный спуск с импульсом

Momentum — это настройка градиентного спуска, которая накапливает скользящее среднее прошлых градиентов, позволяя оптимизации быстрее проходить через впадины и ослаблять…

2 минута чтенияЧитать
Основы

Нестеров «Ускоренный градиент»

Ускоренный градиент Нестерова (NAG) — это более разумная форма импульса, которая заглядывает вперед перед вычислением градиента, давая ему корректирующий прогноз.

2 минута чтенияЧитать
Основы

Тройная потеря и метрическое обучение

Потеря триплета учит нейронную сеть размещать похожие элементы близко друг к другу, а разнородные — далеко друг от друга в пространстве встраивания.

2 минута чтенияЧитать
Основы

Сглаживание меток

Сглаживание меток — это простой прием регуляризации, который смягчает жесткие тренировочные цели, сообщая модели, что правильный ответ весьма вероятен, но не 100…

2 минута чтенияЧитать
Основы

Клетки долговременной кратковременной памяти

Ячейки долговременной краткосрочной памяти (LSTM) представляют собой особый вид рекуррентной нейронной сети, созданной для запоминания информации в длинных последовательностях.

2 минута чтенияЧитать
Основы

Кластеризация K-средних

K-Means — это неконтролируемый алгоритм, который автоматически сортирует данные по K-группам путем поиска центров кластеров.

2 минута чтенияЧитать
Основы

K-Ближайшие соседи

K-Nearest Neighbours (KNN) классифицирует новую точку данных, рассматривая K ближайших примеров и принимая большинство голосов.

2 минута чтенияЧитать
Основы

Логистическая регрессия

Логистическая регрессия предсказывает вероятность того, что что-то принадлежит к определенному классу, например спаму или не спаму, путем сдавливания взвешенной суммы по S-образной кривой.

2 минута чтенияЧитать
Основы

Наивные байесовские классификаторы

Наивный Байес — это быстрый вероятностный классификатор, основанный на теореме Байеса, которая предполагает, что каждый признак независим от данного класса.

2 минута чтенияЧитать
Основы

Кривые ROC и AUC

Кривая ROC показывает, насколько хорошо классификатор разделяет два класса по каждому возможному порогу принятия решения, а AUC сжимает всю эту кривую в одно число.

2 минута чтенияЧитать
Основы

Матрицы путаницы

Матрица путаницы — это простая таблица, которая разбивает прогнозы классификатора на правильные и неправильные значения для каждого класса.

2 минута чтенияЧитать
Основы

Компромисс смещения и дисперсии

Компромисс смещения и дисперсии объясняет, почему модель может потерпеть неудачу, будучи слишком простой или слишком сложной.

2 минута чтенияЧитать

Закончили читать? Докажите это.

Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.

Проверьте, что вы узналиПолучите сертификатПожертвоватьО нашей миссии