01
人工智能基金会
了解什么是人工智能，系统如何学习，哪些地方失误，以及如何在不夸大的情况下判断主张。
免费人工智能库
技术的 指南永远免费。
177 简明英语指南、结构化学习路径和开放图书馆——由独立的 501(c)(3) 非营利组织构建，以便任何人都可以理解现代人工智能。
177免费指南
1主题曲目
~2 min根据指南
~6h阅读时间
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。
02
负责任的人工智能用户
在保护隐私、核查输出和保持人类问责的同时，高效使用人工智能。
03
职场人工智能
评估工作场所用例，运行安全试点，衡量价值，负责任地沟通变更。
04
人工智能政策与社会
通过权利、公平、治理、安全和公共利益结果分析人工智能系统。
05
使用人工智能系统构建
通过实用的系统设计，理解语言模型、检索、代理、评估、成本和部署保障。
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。
全库
所有指南
177 的 1019 显示指南。按曲目过滤或在上方搜索。
技术的
序列模型中的教师强制
教师强制是序列模型的一种训练技巧，其中真实的前一个标记（而不是模型自己的猜测）作为下一个输入输入。
技术的预定采样和曝光偏差
暴露偏差是指仅在完美前缀上训练的模型在推理时必须以其自身的不完美输出为条件时出现的差距。
技术的不平衡检测的焦点损失
焦点损失是一种修改后的损失函数，可以降低简单示例的权重，以便检测器可以专注于困难的、罕见的示例。
技术的测试时间增加
测试时间增强 (TTA) 对同一输入的多个更改版本运行经过训练的模型，并对预测进行平均。
技术的负采样与噪声对比估计
负采样和噪声对比估计 (NCE) 是让模型学习大量词汇的技巧，而无需计算昂贵的完整 softmax。
技术的InfoNCE 和 SimCLR 目标
InfoNCE 是一种对比损失，它教导模型将匹配对拉到一起并将不匹配对在嵌入空间中分开。
技术的随机权重平均
随机权重平均 (SWA) 对训练后期的几个点的模型权重进行简单平均，而不是仅仅保留最终的......
技术的Lookahead 和 Lion 优化器
Lookahead 和 Lion 是神经网络优化的两个现代转折。
技术的Mixup 和 CutMix 增强
Mixup 和 CutMix 是数据增强方法，通过混合两个图像及其标签来创建新的训练示例。
技术的在线和硬负数挖掘
硬负挖掘选择信息最丰富、难以区分的示例进行训练，而不是将精力浪费在模型已经获得的简单示例上……
技术的胶囊网络
胶囊网络是一种神经架构，它将神经元分组为“胶囊”，输出编码特征是否存在及其姿势的向量......
技术的回声状态网络和油藏计算
储库计算是训练循环网络的一个聪明的捷径：留下一个大的、随机连接的神经元“储库”固定，只训练……