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

Перекрестная проверка

Перекрестная проверка — это метод повторной выборки, позволяющий оценить, насколько хорошо модель будет обобщаться на невидимые данные.

2 минута чтенияЧитать
Основы

Точность и отзыв

Точность и полнота — два взаимодополняющих показателя для оценки классификаторов, особенно когда классы несбалансированы.

2 минута чтенияЧитать
Основы

Феномен двойного спуска

Двойной спуск — это удивительное наблюдение: по мере увеличения модели ошибка теста сначала увеличивается вблизи «порога интерполяции», а затем уменьшается…

2 минута чтенияЧитать
Основы

Нейронная теория касательного ядра

Neural Tangent Kernel (NTK) — это математический инструмент, показывающий, что бесконечно широкие нейронные сети ведут себя как особый фиксированный метод ядра во время…

2 минута чтенияЧитать
Основы

Гипотеза о лотерейном билете

Гипотеза лотерейного билета гласит, что внутри большой, случайно инициализированной нейронной сети скрывается небольшая подсеть — «выигрышный билет», — которая обучена…

2 минута чтенияЧитать
Основы

Законы масштабирования для нейронных сетей

Законы масштабирования — это эмпирические формулы, показывающие, что потери нейронной сети предсказуемо уменьшаются по мере увеличения размера модели, размера набора данных и объема вычислений.

2 минута чтенияЧитать
Основы

Оптимальное для вычислений обучение шиншиллы

Chinchilla — это вывод DeepMind 2022 года о том, что большинство крупных языковых моделей сильно недостаточно обучены: при фиксированном бюджете вычислений необходимо масштабировать параметры…

2 минута чтенияЧитать
Основы

Нормализация группового вознаграждения в RLHF

Групповая нормализация вознаграждений стандартизирует вознаграждения модели в рамках пакета ответов на одну и ту же подсказку, превращая шумные оценки в стабильное обучение…

2 минута чтенияЧитать
Основы

Модели мира и обучаемые симуляторы

Модель мира — это нейронная сеть, которая учится предсказывать, как окружающая среда меняется с течением времени, позволяя ИИ «представлять» будущие результаты, прежде чем действовать.

2 минута чтенияЧитать
Основы

Нормализация длины в оптимизации предпочтений

Нормализация длины корректирует цели настройки предпочтений, поэтому модели перестают получать одобрение, просто записывая более длинные ответы.

2 минута чтенияЧитать
Основы

Моделирование вознаграждения Брэдли-Терри

Модель Брэдли-Терри — это столетний статистический метод преобразования парных сравнений (А превосходит Б) в числовые оценки.

2 минута чтенияЧитать
Основы

Итеративный DPO и онлайн-настройка предпочтений

Итеративный DPO неоднократно согласовывает языковую модель с предпочтениями человека или ИИ, генерируя свежие ответы, ранжируя их и настраивая эти новые пары каждый раз…

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