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.
Дифузійні моделі генерують зображення, навчаючись повертати процес шуму, перетворюючи випадкову статику на детальні зображення крок за кроком.
основиНевелике навчання — це здатність вивчати нове завдання лише на кількох прикладах, а не на тисячах.
основиВбудовування перетворює слова, зображення чи інші дані на списки чисел (векторів), щоб подібні речі розташовувалися близько один до одного у багатовимірному просторі.
основиТокенізація — це крок, який розбиває текст на дрібніші фрагменти, які називаються токенами, одиниці, які фактично читає та передбачає мовна модель.
основиРозробка функцій — це майстерність перетворення необроблених даних на інформаційні вхідні дані (функції), які допомагають моделі навчатися.
основиДерево рішень робить прогнози, ставлячи низку простих запитань «так/ні», як блок-схема.
основиМашина опорних векторів (SVM) — це класичний алгоритм, який розділяє дві групи шляхом проведення якомога ширшої межі між ними.
основиЗменшення розмірності скорочує дані з багатьох стовпців (об’єктів) до кількох, зберігаючи важливу структуру.
основиТрансферне навчання повторно використовує модель, уже навчену на великому наборі даних, і адаптує її до нового пов’язаного завдання.
основиСамоконтрольоване навчання тренує моделі на немаркованих даних шляхом винаходу завдання, відповідь якого прихована в самих даних.
основиНапівкероване навчання тренується на невеликій кількості позначених даних і великому наборі непозначених даних.
основиВиявлення аномалій — це практика навчання машин позначати точки даних, які різко відхиляються від нормальних моделей.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.