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。
- 技术的序列模型中的教师强制教师强制（Teacher forcing）是训练逐个生成序列的模型的标准方法：在训练期间，向模型输入正确的上一个 Token……8 最小阅读量阅读
- 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。2 最小阅读量阅读
- 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，会降低对容易样本的权重，使检测器能够专注于困难、稀有的样本。免费通俗英文指南。2 最小阅读量阅读
- 技术的测试时间增加测试时增强（TTA）将在多个修改后的相同输入上运行已训练的模型，并对预测结果取平均。免费简明英文指南。2 最小阅读量阅读
- 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。2 最小阅读量阅读
- 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。2 最小阅读量阅读
- 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......2 最小阅读量阅读
- 技术的Lookahead 和 Lion 优化器Lookahead和Lion是神经网络优化的两种现代变体。免费简明英文指南。2 最小阅读量阅读
- 技术的Mixup 和 CutMix 增强Mixup和CutMix是数据增强技术，通过在两个示例的混合上训练神经网络，而非单个示例。免费简明英文指南。9 最小阅读量阅读
- 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……2 最小阅读量阅读
- 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......2 最小阅读量阅读
- 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……2 最小阅读量阅读