มูลนิธิเอไอ
เข้าใจว่า AI คืออะไร ระบบเรียนรู้อย่างไร จุดที่ล้มเหลว และวิธีตัดสินข้อกล่าวหาโดยไม่โฆษณาเกินจริง
ห้องสมุด AI ฟรี
177 คู่มือภาษาอังกฤษธรรมดา เส้นทางการเรียนรู้ที่มีโครงสร้าง และห้องสมุดเปิด — สร้างโดยองค์กรอิสระ 501(c)(3) เพื่อให้ทุกคนสามารถเข้าใจ AI สมัยใหม่ได้
เริ่มที่นี่
แต่ละหลักสูตรประกอบด้วยผลลัพธ์ที่ชัดเจน สมรรถนะที่วางแผนไว้ กิจกรรมฝึกปฏิบัติ และสรุปผลประยุกต์
เข้าใจว่า AI คืออะไร ระบบเรียนรู้อย่างไร จุดที่ล้มเหลว และวิธีตัดสินข้อกล่าวหาโดยไม่โฆษณาเกินจริง
ใช้ AI อย่างมีประสิทธิภาพในขณะที่ปกป้องความเป็นส่วนตัว ตรวจสอบผลลัพธ์ และรักษาความรับผิดชอบของมนุษย์
ประเมินกรณีการใช้งานในที่ทำงาน ดำเนินการนำร่องอย่างปลอดภัย วัดคุณค่า และสื่อสารการเปลี่ยนแปลงอย่างมีความรับผิดชอบ
วิเคราะห์ระบบ AI ผ่านผลลัพธ์ด้านสิทธิ ความเท่าเทียม การกำกับดูแล ความปลอดภัย และผลประโยชน์สาธารณะ
ทำความเข้าใจโมเดลภาษา การดึงข้อมูล ตัวแทน การประเมิน ต้นทุน และการป้องกันการใช้งานผ่านการออกแบบระบบที่ใช้งานได้จริง
แทร็กหัวข้อ
กระโดดเข้าไปในพื้นที่ที่คุณสนใจ ทุกแทร็กมีไกด์ภาษาอังกฤษธรรมดาหลายเล่ม
ห้องสมุดเต็มรูปแบบ
177 ของ 1019 คำแนะนำที่แสดง กรองตามเพลงหรือค้นหาด้านบน
การเปิดตัวความสนใจเป็นวิธีการในการติดตามว่าข้อมูลไหลผ่านเลเยอร์ความสนใจที่ซ้อนกันของ Transformer อย่างไร เพื่ออธิบายว่าโทเค็นอินพุตใดที่มีอิทธิพลต่อ...
เทคนิคการปรับให้เหมาะสมลำดับที่สองใช้ข้อมูลความโค้ง (เมทริกซ์ Hessian ของอนุพันธ์อันดับสอง) เพื่อดำเนินการอย่างชาญฉลาดไปสู่จุดต่ำสุด ไม่ใช่แค่ความชัน
เทคนิคRMSNorm เป็นเลเยอร์การทำให้เป็นมาตรฐานแบบน้ำหนักเบาที่จะปรับขนาดการเปิดใช้งานใหม่ตามกำลังสองเฉลี่ยของราก และการทำให้เป็นมาตรฐานล่วงหน้าของเลเยอร์จะวางขั้นตอนก่อนแต่ละ...
เทคนิคSwiGLU เป็นฟังก์ชันการเปิดใช้งานแบบมีรั้วรอบขอบชิดที่จะคูณการฉายภาพเชิงเส้นหนึ่งครั้งของอินพุตด้วยการฉายภาพครั้งที่สองที่เปิดใช้งาน Swish ซึ่งทำหน้าที่เป็น...
เทคนิคบล็อก Squeeze-and-Excitation (SE) ช่วยให้เครือข่ายแบบหมุนวนเรียนรู้ว่าต้องชั่งน้ำหนักแต่ละช่องสัญญาณมากน้อยเพียงใด และปรับเทียบใหม่ตามบริบททั่วโลก
เทคนิคการอุ่นเครื่องค่อยๆ เพิ่มอัตราการเรียนรู้จากใกล้ศูนย์ก่อนการฝึก จากนั้นการอบอ่อนโคไซน์จะสลายกลับลงมาอย่างราบรื่นตามเส้นโค้งโคไซน์
เทคนิคอัตราการเรียนรู้แบบวัฏจักรซ้ำแล้วซ้ำอีกทำให้อัตราการเรียนรู้ขึ้นและลงระหว่างขอบเขตล่างและบนแทนที่จะสลายไปเท่านั้น
เทคนิคSharpness-Aware Minimization (SAM) เป็นวิธีการปรับให้เหมาะสมที่ไม่เพียงแต่แสวงหาการสูญเสียต่ำ แต่ยังสูญเสียต่ำในกลุ่มน้ำหนักทั้งหมด — แบน...
เทคนิคการตรวจสอบเชิงเส้นจะทดสอบว่าการนำเสนอภายในของแบบจำลองที่ได้รับการฝึกล่วงหน้านั้นดีเพียงใด โดยการแช่แข็งเครือข่ายและการฝึกเฉพาะตัวแยกประเภทเชิงเส้นอย่างง่ายที่ด้านบน
เทคนิคDenseNet เป็นเครือข่ายแบบหมุนวนที่ทุกเลเยอร์ได้รับการแมปคุณลักษณะของเลเยอร์ก่อนหน้าทั้งหมดเป็นอินพุต
เทคนิคสถาปัตยกรรมคอขวดบีบข้อมูลผ่านชั้นกลางแคบๆ ก่อนที่จะขยายอีกครั้ง บังคับให้เครือข่ายเรียนรู้ขนาดกะทัดรัดและมีประสิทธิภาพ...
เทคนิคการสะสมการไล่ระดับสีช่วยให้คุณจำลองขนาดแบทช์ขนาดใหญ่บนหน่วยความจำ GPU ที่จำกัดโดยการรวมการไล่ระดับสีบนมินิแบทช์เล็กๆ หลายชุดก่อนที่จะอัปเดต...
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.