Безкоштовна бібліотека ШІ

технічний напрямніВільний назавжди.

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

177Безкоштовні путівники
1Тематичні треки
~2 minЗа посібником
~6hЧас 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

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

технічний

Форсування вчителя в моделях послідовності

Форсування вчителя — це навчальний трюк для моделей послідовності, де справжній попередній маркер, а не власне припущення моделі, подається як наступний вхід.

2 хв. читанняПрочитайте
технічний

Запланована вибірка та зміщення експозиції

Зміщення експозиції — це проміжок, який з’являється, коли модель, навчена лише на ідеальних префіксах, повинна, при висновку, обумовлювати свої власні недосконалі результати.

2 хв. читанняПрочитайте
технічний

Фокусні втрати для незбалансованого виявлення

Фокусні втрати — це модифікована функція втрат, яка зменшує вагу простих прикладів, щоб детектор міг зосередитися на важких, рідкісних.

2 хв. читанняПрочитайте
технічний

Збільшення часу тестування

Підвищення часу тестування (TTA) запускає навчену модель на кількох змінених версіях того самого входу та усереднює прогнози.

2 хв. читанняПрочитайте
технічний

Негативна вибірка та порівняльна оцінка шуму

Негативна вибірка та порівняльна оцінка шуму (NCE) — це прийоми, які дозволяють моделям вивчати величезні словники без обчислення дорогого повного softmax.

2 хв. читанняПрочитайте
технічний

Цілі InfoNCE та SimCLR

InfoNCE — це контрастивна втрата, яка вчить модель об’єднувати відповідні пари та розштовхувати невідповідні пари окремо у просторі вбудовування.

2 хв. читанняПрочитайте
технічний

Стохастичне усереднення ваги

Стохастичне усереднення ваги (SWA) бере просте середнє значення ваг моделі з кількох точок наприкінці тренування замість простого збереження остаточного...

2 хв. читанняПрочитайте
технічний

Lookahead і Lion Optimizers

Lookahead і Lion — це два сучасних напрямки оптимізації нейронних мереж.

2 хв. читанняПрочитайте
технічний

Mixup і CutMix Augmentation

Mixup і CutMix — це методи доповнення даних, які створюють нові навчальні приклади, змішуючи два зображення та їхні мітки.

2 хв. читанняПрочитайте
технічний

Онлайн і жорсткий негативний майнінг

Жорсткий негативний майнінг вибирає найбільш інформативні приклади, які важко розрізнити, щоб тренуватися, замість того, щоб витрачати зусилля на легкі, які модель вже отримує...

2 хв. читанняПрочитайте
технічний

Капсульні мережі

Капсульні мережі — це нейронна архітектура, яка групує нейрони в «капсули», які виводять вектори, що кодують і те, чи існує функція, і її положення…

2 хв. читанняПрочитайте
технічний

Мережі стану відлуння та обчислення пластів

Резервуарні обчислення — це розумне скорочення для тренування рекурентних мереж: залиште великий, випадково з’єднаний «резервуар» нейронів фіксованим і лише тренуйте…

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.