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
การกลั่นกรองความรู้จะฝึกแบบจำลอง 'นักเรียน' ขนาดเล็กให้เลียนแบบแบบจำลอง 'ครู' ที่มีขนาดใหญ่และแม่นยำ
เทคนิคMixture of Experts (MoE) คือการออกแบบโมเดลที่แบ่งเครือข่ายออกเป็นเครือข่ายย่อยเฉพาะจำนวนมาก และเปิดใช้งานเพียงไม่กี่รายการต่ออินพุต
ความรู้พื้นฐานการฝังจะเปลี่ยนคำ รูปภาพ หรือข้อมูลอื่นๆ ให้เป็นรายการตัวเลข (เวกเตอร์) เพื่อให้สิ่งที่คล้ายกันมาอยู่ใกล้กันในพื้นที่มิติสูง
ความรู้พื้นฐานTokenization เป็นขั้นตอนที่สับข้อความเป็นส่วนเล็กๆ ที่เรียกว่า token ซึ่งเป็นหน่วยที่โมเดลภาษาอ่านและทำนายได้จริง
ความรู้พื้นฐานวิศวกรรมฟีเจอร์เป็นงานฝีมือในการเปลี่ยนข้อมูลดิบให้เป็นอินพุตข้อมูล (ฟีเจอร์) ที่ช่วยให้โมเดลเรียนรู้
เทคนิคการหาปริมาณโมเดลจะลดขนาดโครงข่ายประสาทเทียมโดยการจัดเก็บตัวเลขไว้ในบิตที่น้อยลง ดังนั้นโมเดลเดียวกันจึงทำงานได้เร็วขึ้นและบนฮาร์ดแวร์ที่เล็กกว่า
เทคนิคการเรียนรู้แบบสมาพันธ์ฝึกฝนโมเดลที่ใช้ร่วมกันในอุปกรณ์หรือองค์กรจำนวนมาก โดยไม่ต้องรวบรวมข้อมูลดิบไว้ในที่เดียว
ความรู้พื้นฐานแผนผังการตัดสินใจทำนายโดยการถามคำถามง่ายๆ แบบใช่/ไม่ใช่ เช่น ผังงาน
ความรู้พื้นฐานSupport Vector Machine (SVM) เป็นอัลกอริธึมแบบคลาสสิกที่แยกสองกลุ่มโดยการวาดขอบเขตที่กว้างที่สุดระหว่างกลุ่มทั้งสอง
ความรู้พื้นฐานการลดขนาดจะย่อข้อมูลจากหลายคอลัมน์ (คุณลักษณะ) เหลือเพียงไม่กี่คอลัมน์โดยยังคงรักษาโครงสร้างที่สำคัญไว้
ความรู้พื้นฐานถ่ายโอนการเรียนรู้นำแบบจำลองที่ได้รับการฝึกอบรมแล้วมาใช้กับชุดข้อมูลขนาดใหญ่และปรับให้เข้ากับงานใหม่ที่เกี่ยวข้องกัน
ความรู้พื้นฐานการเรียนรู้แบบมีผู้ดูแลด้วยตนเองจะฝึกฝนโมเดลข้อมูลที่ไม่มีป้ายกำกับโดยการประดิษฐ์งานที่มีคำตอบซ่อนอยู่ภายในข้อมูลนั้นเอง
ตรวจสอบสิ่งที่คุณได้เรียนรู้ด้วยแบบทดสอบตามหัวข้อ จากนั้นสำรวจหลักสูตรที่มีโครงสร้างของเราหรือทำงานเพื่อรับใบรับรอง คู่มือทุกฉบับสามารถอ่านได้ฟรี