มูลนิธิเอไอ
เข้าใจว่า AI คืออะไร ระบบเรียนรู้อย่างไร จุดที่ล้มเหลว และวิธีตัดสินข้อกล่าวหาโดยไม่โฆษณาเกินจริง
ห้องสมุด AI ฟรี
1019 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
1019 ของ 1019 คำแนะนำที่แสดง กรองตามเพลงหรือค้นหาด้านบน
การโน้มน้าวใจแบบแยกส่วนเชิงลึกจะแยกตัวการโน้มน้าวใจมาตรฐานออกเป็นสองขั้นตอนที่ถูกกว่า โดยเฉือนจำนวนการคูณและพารามิเตอร์
เทคนิคการโน้มน้าวแบบขยาย (หรือที่เรียกว่าการโน้มน้าวแบบเอโทรรัส) จะแทรกช่องว่างระหว่างน้ำหนักตัวกรอง เพื่อให้เคอร์เนลครอบคลุมพื้นที่ขนาดใหญ่กว่ามากโดยไม่ต้องเพิ่มพารามิเตอร์
เทคนิคข้ามการเชื่อมต่อปล่อยให้ข้อมูลข้ามชั้นต่างๆ และเครือข่ายทางหลวงก็เป็นแนวคิดนี้ที่มีรั้วรอบขอบชิดในยุคแรกๆ
ภาษาเอไอELECTRA เป็นวิธีที่มีประสิทธิภาพมากกว่าในการฝึกโมเดลภาษาล่วงหน้าโดยการสอนให้พวกเขามองเห็นคำปลอม แทนที่จะเดาคำที่ซ่อนอยู่
ภาษาเอไอRoBERTa แสดงให้เห็นว่า BERT ได้รับการฝึกฝนอย่างมาก โดยการปรับแต่งสูตรมากกว่าสถาปัตยกรรม ได้สร้างสถิติใหม่ด้านการวัดประสิทธิภาพ
ภาษาเอไอXLNet ผสมผสานบริบทแบบสองทิศทางของ BERT เข้ากับการคาดเดาอัตโนมัติของ GPT โดยการฝึกการเรียงลำดับคำแบบสุ่ม
เทคนิคการปรับโดเมนเป็นชุดของเทคนิคในการสร้างแบบจำลองที่ได้รับการฝึกกับข้อมูลประเภทหนึ่ง (โดเมนต้นทาง) ทำงานได้ดีกับข้อมูลประเภทอื่นแต่เกี่ยวข้องกัน...
ภาษาเอไอTree of Thoughts (ToT) เป็นกรอบงานกระตุ้นที่ช่วยให้โมเดลภาษาสำรวจเส้นทางการให้เหตุผลหลายเส้นทางพร้อมกัน เช่น กิ่งก้านของต้นไม้ แทน...
ภาษาเอไอความสม่ำเสมอในตนเองเป็นกลยุทธ์การถอดรหัสที่สุ่มตัวอย่างเส้นทางการให้เหตุผลที่แตกต่างกันมากมายจากแบบจำลองภาษา แล้วเลือกคำตอบที่ส่วนใหญ่เห็นด้วย
ความรู้พื้นฐานK-Means เป็นอัลกอริธึมที่ไม่ได้รับการดูแลซึ่งจะจัดเรียงข้อมูลออกเป็นกลุ่ม K โดยอัตโนมัติโดยการค้นหาศูนย์คลัสเตอร์
ความรู้พื้นฐานK-Nearest Neighbors (KNN) จัดประเภทจุดข้อมูลใหม่โดยดูจากตัวอย่าง K ที่ใกล้เคียงที่สุดและรับคะแนนเสียงข้างมาก
ความรู้พื้นฐานการถดถอยแบบลอจิสติกทำนายความน่าจะเป็นที่บางสิ่งอยู่ในคลาส เช่น สแปมหรือไม่ใช่สแปม โดยการบีบผลรวมถ่วงน้ำหนักผ่านเส้นโค้งรูปตัว S
ตรวจสอบสิ่งที่คุณได้เรียนรู้ด้วยแบบทดสอบตามหัวข้อ จากนั้นสำรวจหลักสูตรที่มีโครงสร้างของเราหรือทำงานเพื่อรับใบรับรอง คู่มือทุกฉบับสามารถอ่านได้ฟรี