ห้องสมุด AI ฟรี

เทคนิค คำแนะนำฟรีตลอดไป

177 คู่มือภาษาอังกฤษธรรมดา เส้นทางการเรียนรู้ที่มีโครงสร้าง และห้องสมุดเปิด — สร้างโดยองค์กรอิสระ 501(c)(3) เพื่อให้ทุกคนสามารถเข้าใจ AI สมัยใหม่ได้

177คำแนะนำฟรี

1แทร็กหัวข้อ

~2 minต่อไกด์

~6hเวลาการอ่าน

เริ่มที่นี่

ห้า หลักสูตรที่เน้นผลลัพธ์

แต่ละหลักสูตรประกอบด้วยผลลัพธ์ที่ชัดเจน สมรรถนะที่วางแผนไว้ กิจกรรมฝึกปฏิบัติ และสรุปผลประยุกต์

มูลนิธิเอไอ

เข้าใจว่า AI คืออะไร ระบบเรียนรู้อย่างไร จุดที่ล้มเหลว และวิธีตัดสินข้อกล่าวหาโดยไม่โฆษณาเกินจริง

~4h เพื่อเติมเต็มดูหลักสูตร

ผู้ใช้ AI ที่มีความรับผิดชอบ

ใช้ AI อย่างมีประสิทธิภาพในขณะที่ปกป้องความเป็นส่วนตัว ตรวจสอบผลลัพธ์ และรักษาความรับผิดชอบของมนุษย์

~5h เพื่อเติมเต็มดูหลักสูตร

AI ในงาน

ประเมินกรณีการใช้งานในที่ทำงาน ดำเนินการนำร่องอย่างปลอดภัย วัดคุณค่า และสื่อสารการเปลี่ยนแปลงอย่างมีความรับผิดชอบ

~6h เพื่อเติมเต็มดูหลักสูตร

นโยบาย AI และสังคม

วิเคราะห์ระบบ AI ผ่านผลลัพธ์ด้านสิทธิ ความเท่าเทียม การกำกับดูแล ความปลอดภัย และผลประโยชน์สาธารณะ

~6h เพื่อเติมเต็มดูหลักสูตร

การสร้างด้วยระบบ AI

ทำความเข้าใจโมเดลภาษา การดึงข้อมูล ตัวแทน การประเมิน ต้นทุน และการป้องกันการใช้งานผ่านการออกแบบระบบที่ใช้งานได้จริง

~8h เพื่อเติมเต็มดูหลักสูตร

แทร็กหัวข้อ

เรียกดูตามแทร็ก

กระโดดเข้าไปในพื้นที่ที่คุณสนใจ ทุกแทร็กมีไกด์ภาษาอังกฤษธรรมดาหลายเล่ม

ห้องสมุดเต็มรูปแบบ

คำแนะนำทั้งหมด

177 ของ 1019 คำแนะนำที่แสดง กรองตามเพลงหรือค้นหาด้านบน

เทคนิค

โจรหลายอาวุธ

โจรที่มีอาวุธหลากหลายคือปัญหาในการตัดสินใจที่คุณต้องเลือกระหว่างตัวเลือกต่างๆ ซ้ำๆ โดยที่ไม่ทราบผลตอบแทนและเรียนรู้ไปพร้อมๆ กัน สร้างสมดุลในการสำรวจสิ่งใหม่ๆ...

2 นาทีอ่านอ่าน

เทคนิค

BentoML และบรรจุภัณฑ์แบบจำลอง

BentoML เป็นเฟรมเวิร์ก Python แบบโอเพ่นซอร์สที่รวมโมเดลการเรียนรู้ของเครื่องที่ได้รับการฝึกมาไว้ในหน่วยมาตรฐานและปรับใช้ได้ที่เรียกว่า 'Bentos'

2 นาทีอ่านอ่าน

เทคนิค

KServe และโมเดลที่ให้บริการบน Kubernetes

KServe เป็นแพลตฟอร์ม Kubernetes ที่ได้มาตรฐานสำหรับการให้บริการโมเดลแมชชีนเลิร์นนิงในวงกว้าง

2 นาทีอ่านอ่าน

เทคนิค

Seldon Core และกราฟการอนุมาน

Seldon Core เป็นแพลตฟอร์มโอเพ่นซอร์สสำหรับการปรับใช้โมเดลการเรียนรู้ของเครื่องบน Kubernetes พร้อมฟีเจอร์ที่โดดเด่น: กราฟการอนุมาน

2 นาทีอ่านอ่าน

เทคนิค

การไล่ระดับสีที่หายไปและการระเบิด

เมื่อฝึกเครือข่ายระดับลึก สัญญาณข้อผิดพลาดจะหดตัวลงสู่ศูนย์หรือขยายไปสู่ระยะอนันต์ในขณะที่สัญญาณเหล่านั้นเดินทางย้อนกลับผ่านหลายชั้น

2 นาทีอ่านอ่าน

เทคนิค

การตัดแบบไล่ระดับสี

การป้องกันที่เรียบง่ายและใช้กันอย่างแพร่หลายซึ่งจำกัดว่าการอัปเดตการไล่ระดับสีขนาดใหญ่จะได้รับระหว่างการฝึกอย่างไร

2 นาทีอ่านอ่าน

เทคนิค

การเริ่มต้นน้ำหนัก

วิธีที่คุณกำหนดน้ำหนักเริ่มต้นของโครงข่ายประสาทเทียมก่อนเริ่มการฝึก ซึ่งจะเป็นตัวกำหนดว่าสัญญาณและการไล่ระดับสีจะคงสภาพที่ดีผ่านเลเยอร์ที่ลึกหรือไม่

2 นาทีอ่านอ่าน

เทคนิค

การเรียนรู้แบบเลียนแบบ

การเรียนรู้ด้วยการเลียนแบบจะสอน AI ให้ทำงานโดยการคัดลอกการสาธิตของผู้เชี่ยวชาญ แทนที่จะเรียนรู้จากการลองผิดลองถูก

2 นาทีอ่านอ่าน

เทคนิค

การเรียนรู้การเสริมแรงผกผัน

การเรียนรู้การเสริมกำลังแบบผกผัน (IRL) พลิก RL มาตรฐาน: แทนที่จะได้รับรางวัลและค้นหานโยบาย แต่จะเฝ้าดูพฤติกรรมของผู้เชี่ยวชาญและอนุมาน...

2 นาทีอ่านอ่าน

เทคนิค

การเรียนรู้การเสริมกำลังแบบออฟไลน์

การเรียนรู้การเสริมกำลังแบบออฟไลน์จะฝึกตัวแทนจากชุดข้อมูลที่คงที่และรวบรวมไว้ก่อนหน้านี้เท่านั้น โดยไม่มีการโต้ตอบแบบเรียลไทม์กับสภาพแวดล้อม

2 นาทีอ่านอ่าน

เทคนิค

SmoothQuant และปริมาณการเปิดใช้งาน

SmoothQuant เป็นเทคนิคที่ทำให้สามารถบีบอัดโมเดลภาษาขนาดใหญ่ให้เป็นจำนวนเต็ม 8 บิตสำหรับทั้งน้ำหนักและการเปิดใช้งานโดยไม่ต้อง...

2 นาทีอ่านอ่าน

เทคนิค

การตัดแต่งกิ่งแบบมีโครงสร้างและการวางเลเยอร์

การตัดแต่งกิ่งแบบมีโครงสร้างจะลบส่วนประกอบทั้งหมดของโครงข่ายประสาทเทียม เช่น ส่วนหัวของความสนใจ เซลล์ประสาท หรือทั้งเลเยอร์ ดังนั้นโมเดลที่บางกว่าจึงทำงานได้เร็วขึ้น...

2 นาทีอ่านอ่าน

อ่านจบหรือยัง?พิสูจน์สิ

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

ทดสอบสิ่งที่คุณได้เรียนรู้รับการรับรอง บริจาค อ่านพันธกิจของเรา