01
Фонды искусственного интеллекта
Поймите, что такое ИИ, как системы учатся, где они терпят неудачу и как оценивать претензии без шумихи.
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.
02
Ответственный пользователь ИИ
Продуктивно используйте ИИ, защищая конфиденциальность, проверяя результаты и сохраняя ответственность человека.
03
ИИ в работе
Оценивайте варианты использования на рабочем месте, запускайте безопасные пилотные проекты, измеряйте ценность и ответственно сообщайте об изменениях.
04
Политика и общество в области искусственного интеллекта
Анализируйте системы ИИ с точки зрения прав, справедливости, управления, безопасности и результатов, отвечающих общественным интересам.
05
Строительство с использованием систем искусственного интеллекта
Понимание языковых моделей, поиска, агентов, оценки, стоимости и гарантий развертывания посредством практического проектирования системы.
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
Самостоятельная точная настройка
Точная настройка в режиме самостоятельной игры улучшает модель, заставляя ее конкурировать с собственными прошлыми результатами или учиться на них, генерируя собственный обучающий сигнал.
ОсновыОбучение во время тестирования
Обучение во время тестирования (TTT) позволяет модели продолжать обучение на каждом новом вводе в тот момент, когда она делает прогноз, вместо того, чтобы оставаться замороженным после обучения.
ОсновыГроккинг и отсроченная генерализация
Гроккинг — это поразительный феномен, когда нейронная сеть сначала запоминает свои обучающие данные, долгое время находится с почти нулевой точностью проверки, а затем…
ОсновыПереоснащение и недостаточное оснащение
Переоснащение — это когда модель запоминает данные обучения и терпит неудачу на новых примерах; Недостаточная подгонка — это когда слишком просто уловить реальную закономерность.
ОсновыРегуляризация
Регуляризация — это набор методов, которые намеренно ограничивают модель, чтобы она обобщалась на новые данные вместо запоминания обучающего набора.
ОсновыОбратное распространение ошибки
Обратное распространение ошибки — это алгоритм, который позволяет нейронной сети учиться на своих ошибках, эффективно вычисляя, какой вклад каждый вес внес в ошибку.
ОсновыГрадиентный спуск
Градиентный спуск — это метод оптимизации, который фактически перемещает веса модели вниз в сторону меньшей ошибки, на один маленький шаг за раз.
ОсновыФункции потерь
Функция потерь — это единственное число, которое сообщает модели, насколько ошибочны ее прогнозы, превращая расплывчатую цель во что-то, что можно оптимизировать с помощью математики.
ОсновыФункции активации
Функции активации — это небольшие нелинейные ворота внутри каждого нейрона, которые позволяют нейронным сетям изучать сложные изогнутые узоры, а не просто прямые линии.
ОсновыСверточные нейронные сети
Сверточные нейронные сети (CNN) — это рабочая лошадка для понимания изображений.
ОсновыРекуррентные нейронные сети
Рекуррентные нейронные сети (RNN) созданы для обработки таких последовательностей, как текст, речь и временные ряды.
ОсновыГенеративно-состязательные сети
Генеративно-состязательные сети (GAN) создают реалистичные новые данные, сталкивая две нейронные сети друг с другом в соревновании.
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.