从这里开始
从这里开始
五 成果导向课程
每门课程都包含明确的成果、能力规划、实践活动和应用毕业设计。
主题曲目
按曲目浏览
跳入您关心的领域。每条赛道都有多个简单的英文指南。
- 134 指南基础知识核心概念：人工智能如何在高层次上工作。探索
- 272 指南语言人工智能LLM、NLP、ChatGPT、提示和文本理解。探索
- 298 指南视觉人工智能图像生成、计算机视觉、视频和设计。探索
- 188 指南音频人工智能语音、音乐、播客和音频优先的人工智能。探索
- 145 指南公司OpenAI、Anthropic、Google、Meta 等的配置文件。探索
- 761 指南应用领域人工智能如何出现在编码、搜索、代理和日常生活中。探索
- 244 指南行业医疗保健、金融、教育、能源等领域的人工智能。探索
- 536 指南技术的芯片、微调、RAG、向量和人工智能基础设施。探索
- 422 指南社会偏见、隐私、版权、安全和人工智能的未来。探索
全库
技术的
536 的 3000 显示指南。按曲目过滤或在上方搜索。
- 技术的AI提示安全提示安全解决了试图使语言模型应用程序将不受信任的内容视为指令或泄露应保护的信息的尝试。2 最小阅读量阅读
- 技术的人工智能数据治理人工智能数据治理分配了如何在整个人工智能系统中收集、使用、共享、保留和纠正数据的责任和规则。2 最小阅读量阅读
- 技术的人工智能云架构AI 云架构将计算、存储、网络、模型和应用程序服务组织到一个用于 AI 工作负载的操作系统中。2 最小阅读量阅读
- 技术的BYOL 和非对比性自我监督BYOL（Bootstrap Your Own Latent）可以在没有任何标签的情况下学习有用的图像表示，而且令人惊讶的是，没有负面例子。2 最小阅读量阅读
- 技术的巴洛双胞胎和冗余减少Barlow Twins 是一种自我监督方法，通过使两个增强视图之间的互相关矩阵接近恒等式来学习表示……2 最小阅读量阅读
- 技术的伪标签和自我训练伪标签是一种半监督技术，其中在小型标签集上训练的模型为未标签数据生成自己的标签，然后在这些标签上进行训练......2 最小阅读量阅读
- 技术的半监督学习中的一致性正则化当未标记的输入以小的、保留标签的方式受到扰动时，一致性正则化教会模型给出相同的答案。2 最小阅读量阅读
- 技术的多任务网络中的硬参数共享硬参数共享是经典的多任务学习设计，其中多个任务共享相同的隐藏层，并且仅分成单独的输出“头”......2 最小阅读量阅读
- 技术的条件计算中的门控和路由门控和路由让神经网络仅激活每个输入所需的部分，而不是每次都运行整个模型。2 最小阅读量阅读
- 技术的Gumbel-Softmax 和重新参数化Gumbel-Softmax 是一种让神经网络从离散类别中“采样”的技巧，同时仍然可以通过梯度下降进行训练。2 最小阅读量阅读
- 技术的直通式估计器直通估计器 (STE) 是一个简单的技巧，用于训练包含舍入或阈值化等难以微分的步骤的网络。2 最小阅读量阅读
- 技术的双向循环网络双向循环网络向前和向后读取序列，因此每个位置的表示都借鉴了过去和未来的上下文。2 最小阅读量阅读