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.
Meta-навчання, або «навчання вчитися», навчає моделі швидко адаптуватися до абсолютно нових завдань лише на кількох прикладах.
основиАнсамблеві методи поєднують багато простих моделей, тому група робить кращі прогнози, ніж будь-яка окрема модель.
основиБайєсівське глибоке навчання розглядає ваги нейронної мережі як розподіли ймовірностей, а не фіксовані числа, тому модель може сказати, наскільки вона впевнена.
основиНавчання за програмою тренує моделі штучного інтелекту на прикладах у свідомому порядку — спочатку легко, потім складно — замість того, щоб подавати дані у випадковому порядку.
основиNeural Architecture Search (NAS) автоматизує проектування структур нейронних мереж, дозволяючи алгоритмам, а не людям, вирішувати, скільки шарів, які операції…
основиПостійне навчання — це мета навчання штучного інтелекту вирішувати з часом нові завдання, не стираючи те, що він уже знає.
основиВаріаційні автокодери (VAE) — це генеративні нейронні мережі, які вчаться стискати дані в плавний імовірнісний латентний простір, а потім реконструювати...
основиМоделі простору станів (SSM) — це моделі послідовності, які передають інформацію через стислий прихований стан, замість цього лінійно масштабуючи довжину послідовності…
основиГрафові нейронні мережі (GNN) — це моделі, які навчаються безпосередньо на структурованих на графах даних — вузлах, з’єднаних ребрами — шляхом передачі та агрегування інформації…
основиMulti-Agent Reinforcement Learning (MARL) навчає кількох агентів навчання, які спільно використовують середовище, кожен адаптує свою поведінку, а інші також адаптуються.
основиАктивне навчання — це стратегія навчання, коли модель сама вибирає, які непомічені приклади людина має позначити наступним.
основиЗбільшення даних штучно розширює навчальний набір шляхом створення модифікованих копій існуючих прикладів, як-от гортання або обрізання зображень.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.