Основи штучного інтелекту
Зрозумійте, що таке штучний інтелект, як системи навчаються, де вони зазнають збоїв і як оцінювати претензії без галасу.
Безкоштовна бібліотека ШІ
155 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
155 з 1019 показано напрямні. Фільтруйте за треком або шукайте вище.
Оптимізація за Канеманом-Тверським (KTO) — це метод вирівнювання, який навчається на простих мітках «не подобається» або «не подобається» замість парних порівнянь.
ШІ мовиТонке налаштування вибірки відхилень (RFT) генерує багато відповідей-кандидатів, зберігає лише ті з найкращими результатами та перенавчає модель на цих переможцях.
ШІ мовиМоделі винагороди процесу (PRM) оцінюють кожен окремий крок міркування штучного інтелекту, а не лише остаточну відповідь.
ШІ мовиСуміш агентів (MoA) — це техніка, за якої кілька мовних моделей готують відповіді, а потім агрегаторна модель об’єднує їхні найкращі ідеї в одну вдосконалену…
ШІ мовиАдаптерні рівні — це крихітні навчальні модулі, вставлені в заморожену попередньо навчену модель, що дозволяє адаптувати її до нових завдань, оновлюючи лише кілька відсотків…
ШІ мовиMulti-Head Latent Attention (MLA) — це механізм звернення уваги, представлений у DeepSeek-V2, який стискає пам’ятний кеш «ключ-значення» в невеликий спільний…
ШІ мовиMedusa — це метод спекулятивного декодування, який прикручує кілька додаткових «головок» передбачення до мовної моделі, щоб можна було вгадати кілька майбутніх токенів одночасно.
ШІ мовиMixture of Depths (MoD) дозволяє трансформатору витрачати різну кількість обчислень на різні токени, маршрутизуючи лише «важливі» токени через кожен рівень…
ШІ мовиMamba — це модель послідовності, побудована на моделях простору станів (SSM), яка обробляє текст у лінійному часі, пропонуючи швидку альтернативу квадратичному…
ШІ мовиRWKV — це архітектура, яка навчається як Transformer, але виконує логічний висновок як рекурентна мережа, забезпечуючи генерацію постійної пам’яті в лінійному часі.
ШІ мовиНедостатня увага робить Transformers дешевшими, дозволяючи кожному токену звертатися лише до ретельно вибраної підмножини інших токенів, а не до всіх.
ШІ мовиQLoRA — це техніка, яка дозволяє точніше налаштувати масивну мовну модель на одному споживчому графічному процесорі, зберігаючи заморожену модель лише в 4 бітах на вагу.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.