Безкоштовна бібліотека ШІ

основи напрямніВільний назавжди.

84 посібники простою англійською мовою, структуровані навчальні маршрути та відкрита бібліотека — створена незалежною некомерційною організацією 501(c)(3), щоб кожен міг зрозуміти сучасний ШІ.

84Безкоштовні путівники
1Тематичні треки
~2 minЗа посібником
~3hЧас читання

Почніть тут

П'ять курси, орієнтовані на результат

Кожен курс включає чіткі результати, компетенції, практичні дії та прикладний завершальний камінь.

02

Відповідальний користувач ШІ

Використовуйте штучний інтелект продуктивно, захищаючи конфіденційність, перевіряючи результати та зберігаючи підзвітність людини.

  1. 1Prompt Engineering
  2. 2ШІ Галюцинації
  3. 3ШІ та конфіденційність
  4. 4ШІ в повсякденному житті
~5h для завершенняПереглянути курс

Тематичні треки

Перегляд за треком

Перейдіть у сферу, яка вам цікава. Кожен трек має декілька гідів простою англійською мовою.

Повна бібліотека

Всі путівники

84 з 1019 показано напрямні. Фільтруйте за треком або шукайте вище.

основи

Стохастичний градієнтний спуск з імпульсом

Momentum — це налаштування градієнтного спуску, яке накопичує поточне середнє минулих градієнтів, дозволяючи оптимізації швидше проходити через долини та пом’якшувати…

2 хв. читанняПрочитайте
основи

Прискорений градієнт Нестерова

Прискорений градієнт Нестерова (NAG) — це розумніша форма імпульсу, яка заглядає вперед перед обчисленням градієнта, надаючи йому коригувальний погляд наперед.

2 хв. читанняПрочитайте
основи

Триплетні втрати та метрика

Триплетна втрата вчить нейронну мережу розміщувати подібні елементи близько один до одного, а різнорідні – далеко один від одного в просторі вбудовування.

2 хв. читанняПрочитайте
основи

Згладжування міток

Згладжування міток — це простий трюк регуляризації, який пом’якшує жорсткі тренувальні цілі, повідомляючи моделі, що правильна відповідь дуже ймовірна, але не 100…

2 хв. читанняПрочитайте
основи

Довгі клітини короткочасної пам'яті

Комірки довготривалої короткочасної пам’яті (LSTM) – це особливий тип рекурентної нейронної мережі, створений для запам’ятовування інформації в довгих послідовностях.

2 хв. читанняПрочитайте
основи

Кластеризація K-Means

K-Means — це неконтрольований алгоритм, який автоматично сортує дані в K груп, знаходячи центри кластерів.

2 хв. читанняПрочитайте
основи

K-найближчі сусіди

K-Nearest Neighbors (KNN) класифікує нову точку даних, розглядаючи K найближчих прикладів і приймаючи більшість голосів.

2 хв. читанняПрочитайте
основи

Логістична регресія

Логістична регресія передбачає ймовірність того, що щось належить до класу, як-от спам чи не спам, шляхом стискання зваженої суми через S-подібну криву.

2 хв. читанняПрочитайте
основи

Наївні байєсівські класифікатори

Наивний Байєс — це швидкий імовірнісний класифікатор, побудований на теоремі Байєса, яка передбачає, що кожна ознака є незалежною від класу.

2 хв. читанняПрочитайте
основи

Криві ROC і AUC

Крива ROC показує, наскільки добре класифікатор розділяє два класи за кожним можливим порогом прийняття рішення, а AUC стискає всю цю криву в одне число.

2 хв. читанняПрочитайте
основи

Матриці плутанини

Матриця плутанини — це проста таблиця, яка розбиває прогнози класифікатора на правильні та неправильні підрахунки для кожного класу.

2 хв. читанняПрочитайте
основи

Компроміс зміщення та дисперсії

Компроміс зміщення-дисперсії пояснює, чому модель може зазнати невдачі, будучи занадто простою або надто складною.

2 хв. читанняПрочитайте

Закінчив читати? Доведіть це.

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

Fundamentals AI Guides — Page 3 of 7 | AI Understanding