Основи штучного інтелекту
Зрозумійте, що таке штучний інтелект, як системи навчаються, де вони зазнають збоїв і як оцінювати претензії без галасу.
Безкоштовна бібліотека ШІ
84 посібники простою англійською мовою, структуровані навчальні маршрути та відкрита бібліотека — створена незалежною некомерційною організацією 501(c)(3), щоб кожен міг зрозуміти сучасний ШІ.
Почніть тут
Кожен курс включає чіткі результати, компетенції, практичні дії та прикладний завершальний камінь.
Зрозумійте, що таке штучний інтелект, як системи навчаються, де вони зазнають збоїв і як оцінювати претензії без галасу.
Використовуйте штучний інтелект продуктивно, захищаючи конфіденційність, перевіряючи результати та зберігаючи підзвітність людини.
Оцінюйте випадки використання на робочому місці, запускайте безпечні пілотні проекти, вимірювайте значення та відповідально повідомляйте про зміни.
Аналізуйте системи штучного інтелекту з точки зору прав, рівності, управління, безпеки та результатів суспільного інтересу.
Розумійте мовні моделі, пошук, агенти, оцінку, вартість і гарантії розгортання через практичне проєктування систем.
Тематичні треки
Перейдіть у сферу, яка вам цікава. Кожен трек має декілька гідів простою англійською мовою.
Повна бібліотека
84 з 1019 показано напрямні. Фільтруйте за треком або шукайте вище.
Momentum — це налаштування градієнтного спуску, яке накопичує поточне середнє минулих градієнтів, дозволяючи оптимізації швидше проходити через долини та пом’якшувати…
основиПрискорений градієнт Нестерова (NAG) — це розумніша форма імпульсу, яка заглядає вперед перед обчисленням градієнта, надаючи йому коригувальний погляд наперед.
основиТриплетна втрата вчить нейронну мережу розміщувати подібні елементи близько один до одного, а різнорідні – далеко один від одного в просторі вбудовування.
основиЗгладжування міток — це простий трюк регуляризації, який пом’якшує жорсткі тренувальні цілі, повідомляючи моделі, що правильна відповідь дуже ймовірна, але не 100…
основиКомірки довготривалої короткочасної пам’яті (LSTM) – це особливий тип рекурентної нейронної мережі, створений для запам’ятовування інформації в довгих послідовностях.
основиK-Means — це неконтрольований алгоритм, який автоматично сортує дані в K груп, знаходячи центри кластерів.
основиK-Nearest Neighbors (KNN) класифікує нову точку даних, розглядаючи K найближчих прикладів і приймаючи більшість голосів.
основиЛогістична регресія передбачає ймовірність того, що щось належить до класу, як-от спам чи не спам, шляхом стискання зваженої суми через S-подібну криву.
основиНаивний Байєс — це швидкий імовірнісний класифікатор, побудований на теоремі Байєса, яка передбачає, що кожна ознака є незалежною від класу.
основиКрива ROC показує, наскільки добре класифікатор розділяє два класи за кожним можливим порогом прийняття рішення, а AUC стискає всю цю криву в одне число.
основиМатриця плутанини — це проста таблиця, яка розбиває прогнози класифікатора на правильні та неправильні підрахунки для кожного класу.
основиКомпроміс зміщення-дисперсії пояснює, чому модель може зазнати невдачі, будучи занадто простою або надто складною.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.