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
学习人工智能。永远免费。
1019 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。
1019免费指南
9主题曲目
~2 min根据指南
~34h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
1019 的 1019 显示指南。按曲目过滤或在上方搜索。
技术的
知识蒸馏
知识蒸馏训练一个小型的“学生”模型来模仿一个大型的、准确的“教师”模型。
技术的专家荟萃
专家混合 (MoE) 是一种模型设计，它将网络分成许多专门的子网络，并且每个输入仅激活几个子网络。
基础知识嵌入
嵌入将单词、图像或其他数据转换为数字（向量）列表，以便相似的事物最终在高维空间中紧密结合在一起。
基础知识代币化
标记化是将文本切成更小的片段（称为标记）的步骤，标记是语言模型实际读取和预测的单位。
基础知识特征工程
特征工程是将原始数据转化为有助于模型学习的信息输入（特征）的技术。
技术的模型量化
模型量化通过将数字存储在更少的位中来缩小神经网络，因此相同的模型可以在更小的硬件上运行得更快。
技术的联邦学习
联合学习可以在许多设备或组织之间训练共享模型，而无需在一个地方收集原始数据。
基础知识决策树和随机森林
决策树通过询问一系列简单的是/否问题（如流程图）来进行预测。
基础知识支持向量机
支持向量机 (SVM) 是一种经典算法，它通过在两组之间绘制尽可能宽的边界来将它们分开。
基础知识降维
降维将数据从许多列（特征）缩减到少数，同时保留重要的结构。
基础知识迁移学习
迁移学习重用已经在大型数据集上训练的模型，并将其适应新的相关任务。
基础知识自我监督学习
自监督学习通过发明一个任务来训练未标记数据的模型，该任务的答案隐藏在数据本身中。