Ile-ikawe AI ọfẹ

Awọn ipilẹ awọn itọsọnaOfe lailai.

84 Awọn itọsona Gẹẹsi pẹtẹlẹ, awọn ọna ikẹkọ ti iṣeto, ati ile-ikawe ṣiṣi - ti a ṣe nipasẹ ominira 501(c)(3) ti ko ni ere ki ẹnikẹni le loye AI ode oni.

84Awọn itọsọna ọfẹ
1Awọn orin koko
~2 minFun itọnisọna
~3hAkoko kika

Bẹrẹ nibi

Marun Awọn ẹkọ ti o da lori abajade

Ẹkọ kọọkan pẹlu awọn abajade ti o han gbangba, awọn ọgbọn maapu, awọn iṣẹ adaṣe, ati capstone ti a lo.

Awọn orin koko

Ṣawakiri nipasẹ orin

Lọ si agbegbe ti o bikita. Gbogbo orin ni ọpọ itọsona-Gẹẹsi.

Ile-ikawe ni kikun

Gbogbo awọn itọsọna

84 ti 1019 awọn itọsọna han. Àlẹmọ nipasẹ orin tabi wiwa loke.

Awọn ipilẹ

Ara-Play Fine-Tuning

Titun-ṣere ti ara ẹni ṣe ilọsiwaju awoṣe kan nipa jijẹ ki o dije lodi si tabi kọ ẹkọ lati awọn abajade ti ara rẹ ti o kọja, ti ipilẹṣẹ ifihan agbara ikẹkọ tirẹ.

2 min kaKa
Awọn ipilẹ

Idanileko-Aago Idanwo

Idanileko-akoko idanwo (TTT) jẹ ki awoṣe jẹ ki ẹkọ lati inu titẹ sii tuntun kọọkan ni akoko ti o ṣe asọtẹlẹ, dipo ti o duro ni didi lẹhin ikẹkọ.

2 min kaKa
Awọn ipilẹ

Grokking ati Idaduro Gbogbogbo

Grokking jẹ iṣẹlẹ iyalẹnu nibiti nẹtiwọọki nkankikan kan ti kọkọ ṣe iranti data ikẹkọ rẹ, joko ni deede afọwọsi odo fun igba pipẹ, ati lẹhinna…

2 min kaKa
Awọn ipilẹ

Overfitting ati Underfitting

Overfitting jẹ nigbati awoṣe kan ṣe akori data ikẹkọ rẹ ti o kuna lori awọn apẹẹrẹ tuntun; underfitting jẹ nigbati o rọrun ju lati mu ilana gidi naa.

2 min kaKa
Awọn ipilẹ

Iṣatunṣe

Iṣatunṣe jẹ eto awọn ilana ti o mọọmọ di awoṣe ki o ṣe gbogbogbo si data tuntun dipo kikojọ eto ikẹkọ.

2 min kaKa
Awọn ipilẹ

Itankalẹ afẹyinti

Afẹyinti jẹ algorithm ti o jẹ ki nẹtiwọọki nkankikan kọ ẹkọ lati awọn aṣiṣe rẹ nipa ṣiṣe iṣiro daradara bi iwuwo kọọkan ṣe ṣe alabapin si aṣiṣe naa.

2 min kaKa
Awọn ipilẹ

Isọkalẹ Ilọsiwaju

Ilọlẹ-ilọsiwaju jẹ ọna iṣapeye ti o n gbe awọn iwuwo awoṣe gaan ni isalẹ si aṣiṣe kekere, igbesẹ kekere kan ni akoko kan.

2 min kaKa
Awọn ipilẹ

Awọn iṣẹ pipadanu

Iṣẹ pipadanu jẹ nọmba ẹyọkan ti o sọ fun awoṣe bawo ni awọn asọtẹlẹ rẹ ṣe jẹ aṣiṣe, titan ibi-afẹde aiduro sinu nkan mathematiki le mu dara si.

2 min kaKa
Awọn ipilẹ

Awọn iṣẹ ṣiṣe

Awọn iṣẹ imuṣiṣẹ jẹ awọn ẹnu-ọna kekere ti kii ṣe laini laarin neuron kọọkan ti o jẹ ki awọn nẹtiwọọki nkankikan kọ ẹkọ eka, awọn ilana te dipo awọn laini taara.

2 min kaKa
Awọn ipilẹ

Convolutional nkankikan Networks

Awọn Nẹtiwọọki Neural Convolutional (CNNs) jẹ faaji iṣẹ-iṣẹ fun oye awọn aworan.

2 min kaKa
Awọn ipilẹ

Awọn nẹtiwọki Neural Loorekoore

Awọn Nẹtiwọọki Nẹtiwọọki loorekoore (RNNs) jẹ itumọ lati mu awọn ọna ṣiṣe bi ọrọ, ọrọ, ati jara akoko.

2 min kaKa
Awọn ipilẹ

Awọn nẹtiwọọki Ọta Generative

Awọn Nẹtiwọọki Adversarial Generative (GANs) ṣẹda data tuntun ojulowo nipa pitting awọn nẹtiwọọki nkankikan meji si ara wọn ni idije kan.

2 min kaKa

Pari kika? Fi ẹ̀rí hàn pé.

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