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.

Awọn ipilẹAwọn imọran pataki: bawo ni AI ṣe n ṣiṣẹ ni ipele giga.84 awọn itọsọna Èdè AILLMs, NLP, ChatGPT, titan, ati oye ọrọ.155 awọn itọsọna AI wiwoIran aworan, iran kọmputa, fidio, ati apẹrẹ.133 awọn itọsọna Audio AIOhùn, orin, adarọ-ese, ati ohun-akọkọ AI.117 awọn itọsọna Awọn ile-iṣẹAwọn profaili ti OpenAI, Anthropic, Google, Meta, ati diẹ sii.121 awọn itọsọna Awọn ohun eloBii AI ṣe afihan ni ifaminsi, wiwa, awọn aṣoju, ati igbesi aye ojoojumọ.111 awọn itọsọna Awọn ile-iṣẹAI ni ilera, iṣuna, eto-ẹkọ, agbara, ati diẹ sii.91 awọn itọsọna Imọ-ẹrọAwọn eerun igi, atunṣe-daradara, RAG, awọn olutọpa, ati awọn amayederun AI.177 awọn itọsọna AwujoIyatọ, asiri, aṣẹ lori ara, ailewu, ati ojo iwaju AI.30 awọn itọsọna

Ile-ikawe ni kikun

Gbogbo awọn itọsọna

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

Awọn ipilẹ

Meta-Ẹkọ

Meta-kikọ, tabi 'kikọ lati kọ ẹkọ,' nkọ awọn awoṣe lati ṣe deede ni kiakia si awọn iṣẹ-ṣiṣe tuntun lati awọn apẹẹrẹ diẹ.

2 min kaKa
Awọn ipilẹ

Awọn ọna akojọpọ ati Igbelaruge Gradient

Awọn ọna akojọpọ darapọ ọpọlọpọ awọn awoṣe ti o rọrun ki ẹgbẹ ṣe awọn asọtẹlẹ ti o dara ju eyikeyi awoṣe kan lọ.

2 min kaKa
Awọn ipilẹ

Bayesian Jin Learning

Ẹkọ jinlẹ Bayesian ṣe itọju awọn iwuwo nẹtiwọọki nkankikan bi awọn ipinpinpin iṣeeṣe dipo awọn nọmba ti o wa titi, nitorinaa awoṣe naa le sọ bi o ṣe jẹ igboya.

2 min kaKa
Awọn ipilẹ

Ẹkọ iwe-ẹkọ

Ẹkọ iwe-ẹkọ ṣe ikẹkọ awọn awoṣe AI lori awọn apẹẹrẹ ni aṣẹ ipinnu — rọrun akọkọ, lile nigbamii - dipo ifunni data ni aṣẹ laileto.

2 min kaKa
Awọn ipilẹ

Ohunkikan Architecture Search

Wiwa Architecture Neural (NAS) ṣe adaṣe apẹrẹ ti awọn ẹya nẹtiwọọki nkankikan - jẹ ki awọn algoridimu, kii ṣe eniyan, pinnu iye awọn fẹlẹfẹlẹ, kini awọn iṣẹ ṣiṣe…

2 min kaKa
Awọn ipilẹ

Ẹkọ Ilọsiwaju ati Igbagbe Ajalu

Ẹkọ ilọsiwaju jẹ ibi-afẹde ti ikẹkọ AI lori ṣiṣan ti awọn iṣẹ ṣiṣe tuntun ni akoko pupọ laisi piparẹ ohun ti o ti mọ tẹlẹ.

2 min kaKa
Awọn ipilẹ

Iyatọ Autoencoders

Awọn oluyipada autoencoders (VAEs) jẹ awọn nẹtiwọọki ti ipilẹṣẹ ti o kọ ẹkọ lati fun pọ data sinu didan, aaye wiwaba iṣeeṣe ati lẹhinna tun ṣe…

2 min kaKa
Awọn ipilẹ

State Space Models ati Mamba

Awọn awoṣe aaye ti ipinlẹ (SSMs) jẹ awọn awoṣe lẹsẹsẹ ti o gbe alaye siwaju nipasẹ ipo fisinuirindigbindigbin, ti iwọn laini pẹlu gigun lẹsẹsẹ dipo…

2 min kaKa
Awọn ipilẹ

Awon nkankikan Nẹtiwọọki

Awọn nẹtiwọọki nkankikan ayaworan (GNNs) jẹ awọn awoṣe ti o kọ ẹkọ taara lori data ti a ṣeto iwọn - awọn apa ti o sopọ nipasẹ awọn egbegbe — nipa gbigbe ati ikojọpọ alaye…

2 min kaKa
Awọn ipilẹ

Multi-Agent Imudara Ẹkọ

Ẹkọ Imudara Aṣoju Olona-Aṣoju (MARL) ṣe ikẹkọ ọpọlọpọ awọn aṣoju ikẹkọ ti o pin agbegbe kan, ọkọọkan ṣe adaṣe ihuwasi rẹ lakoko ti awọn miiran tun ṣe deede.

2 min kaKa
Awọn ipilẹ

Ti nṣiṣe lọwọ eko

Ẹkọ ti nṣiṣe lọwọ jẹ ilana ikẹkọ nibiti awoṣe funrararẹ yan iru awọn apẹẹrẹ ti ko ni aami ti eniyan yẹ ki o samisi ni atẹle.

2 min kaKa
Awọn ipilẹ

Augmentation data

Imudara data ni atọwọdọwọ faagun eto ikẹkọ nipa ṣiṣẹda awọn ẹda ti a tunṣe ti awọn apẹẹrẹ ti o wa tẹlẹ - bii yiyi tabi awọn aworan dida.

2 min kaKa

Pari kika? Fi ẹ̀rí hàn pé.

Ṣayẹwo ohun ti o kọ pẹlu ibeere ibeere koko kan, lẹhinna ṣawari awọn iṣẹ ikẹkọ ti a ṣeto tabi ṣiṣẹ si ijẹrisi kan. Gbogbo guide duro free lati ka.

Dán ohun tó o kọ́ wòGba ifọwọsiṢe ẸbùnKa ìdí iṣẹ́ wa