01
AI Foundations
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Ücretsiz AI kütüphanesi
Temeller kılavuzlarSonsuza kadar özgür.
84 Herkesin modern yapay zekayı anlayabilmesi için bağımsız bir 501(c)(3) kar amacı gütmeyen kuruluşu tarafından oluşturulmuş sade İngilizce kılavuzlar, yapılandırılmış öğrenme yolları ve açık bir kütüphane.
84Ücretsiz rehberler
1Konu parçaları
~2 minRehber başına
~3hReading time
Buradan başlayın
Five outcome-based courses
Each course includes explicit outcomes, mapped competencies, practice activities, and an applied capstone.
02
Responsible AI User
Use AI productively while protecting privacy, checking outputs, and preserving human accountability.
03
AI at Work
Evaluate workplace use cases, run safe pilots, measure value, and communicate changes responsibly.
04
AI Policy & Society
Analyze AI systems through rights, equity, governance, safety, and public-interest outcomes.
05
Building with AI Systems
Understand language models, retrieval, agents, evaluation, cost, and deployment safeguards through practical system design.
Konu parçaları
Parçaya göre göz atın
İlgilendiğiniz alana atlayın. Her parçanın birden fazla sade İngilizce kılavuzu vardır.
TemellerTemel kavramlar: Yapay zekanın yüksek düzeyde nasıl çalıştığı.84 kılavuzlar Dil Yapay ZekaYüksek Lisans, NLP, ChatGPT, yönlendirme ve metin anlama.155 kılavuzlar Görsel Yapay ZekaGörüntü oluşturma, bilgisayarla görme, video ve tasarım.133 kılavuzlar Ses Yapay ZekasıSes, müzik, podcasting ve ses öncelikli yapay zeka.117 kılavuzlar ŞirketlerOpenAI, Anthropic, Google, Meta ve daha fazlasının profilleri.121 kılavuzlar UygulamalarYapay zeka kodlamada, aramada, aracılarda ve günlük yaşamda nasıl ortaya çıkıyor?111 kılavuzlar EndüstrilerSağlık, finans, eğitim, enerji ve daha birçok alanda yapay zeka.91 kılavuzlar TeknikÇipler, ince ayar, RAG, vektörler ve yapay zeka altyapısı.177 kılavuzlar ToplumÖnyargı, gizlilik, telif hakkı, güvenlik ve yapay zekanın geleceği.30 kılavuzlar
Tam kütüphane
Tüm kılavuzlar
84 arasında 1019 gösterilen kılavuzlar. Parçaya göre filtreleyin veya yukarıda arayın.
Temeller
Kendi Kendine Oynayan İnce Ayar
Kendi kendine ince ayar yapma, bir modeli kendi geçmiş çıktılarıyla rekabet ederek veya onlardan öğrenerek kendi eğitim sinyalini üreterek geliştirir.
TemellerTest Süresi Eğitimi
Test zamanı eğitimi (TTT), bir modelin eğitimden sonra donup kalmak yerine, tahminde bulunduğu anda her yeni girdiden öğrenmeye devam etmesini sağlar.
TemellerGrokking ve Gecikmeli Genelleme
Grokking, bir sinir ağının önce eğitim verilerini ezberlediği, uzun süre sıfıra yakın doğrulama doğruluğunda kaldığı ve ardından…
TemellerAşırı Uyum ve Yetersiz Uyum
Aşırı uyum, bir modelin eğitim verilerini ezberlemesi ve yeni örneklerde başarısız olması; Yetersiz uyum, gerçek modeli yakalamanın çok basit olduğu zamandır.
TemellerDüzenleme
Düzenlileştirme, bir modeli kasıtlı olarak kısıtlayan ve böylece eğitim setini ezberlemek yerine yeni verilere genelleyen bir dizi tekniktir.
TemellerGeri yayılım
Geri yayılım, her bir ağırlığın hataya ne kadar katkıda bulunduğunu verimli bir şekilde hesaplayarak bir sinir ağının hatalarından ders almasını sağlayan bir algoritmadır.
TemellerGradyan İnişi
Kademeli iniş, aslında bir modelin ağırlıklarını her seferinde küçük bir adımla daha düşük hataya doğru yokuş aşağı hareket ettiren optimizasyon yöntemidir.
TemellerKayıp Fonksiyonları
Kayıp fonksiyonu, bir modele tahminlerinin ne kadar yanlış olduğunu söyleyen ve belirsiz bir hedefi matematiğin optimize edebileceği bir şeye dönüştüren tek sayıdır.
TemellerEtkinleştirme İşlevleri
Aktivasyon fonksiyonları, sinir ağlarının sadece düz çizgiler yerine karmaşık, kavisli modelleri öğrenmesine olanak tanıyan, her bir nöronun içindeki küçük, doğrusal olmayan kapılardır.
TemellerEvrişimsel Sinir Ağları
Evrişimli Sinir Ağları (CNN'ler), görüntüleri anlamak için en güçlü mimaridir.
TemellerTekrarlayan Sinir Ağları
Tekrarlayan Sinir Ağları (RNN'ler), metin, konuşma ve zaman serileri gibi dizileri işlemek için oluşturulmuştur.
TemellerÜretken Rekabet Ağları
Üretken Çekişmeli Ağlar (GAN'lar), iki sinir ağını bir yarışmada birbirine düşürerek gerçekçi yeni veriler oluşturur.
Finished reading? Prove it.
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.