從這裡開始
從這裡開始
五 基於結果的課程
每門課程都包括明確的成果、映射的能力、實踐活動和應用的頂點。
主題曲目
按曲目瀏覽
跳入您關心的領域。每條賽道都有多個簡單的英文指南。
- 134 指南基礎知識核心概念:人工智慧如何在高層次上運作。探索
- 272 指南語言人工智慧LLM、NLP、ChatGPT、提示和文字理解。探索
- 298 指南視覺人工智慧影像生成、電腦視覺、視訊和設計。探索
- 188 指南音訊人工智慧語音、音樂、播客和音訊優先的人工智慧。探索
- 145 指南公司OpenAI、Anthropic、Google、Meta 等的設定檔。探索
- 761 指南應用領域人工智慧如何出現在編碼、搜尋、代理和日常生活中。探索
- 244 指南產業醫療保健、金融、教育、能源等領域的人工智慧。探索
- 536 指南科技晶片、微調、RAG、向量和人工智慧基礎設施。探索
- 422 指南社會偏見、隱私、版權、安全和人工智慧的未來。探索
全庫
基礎知識
134 的 3000 顯示指南。按曲目過濾或上方搜尋。
- 基礎知識帶動量的隨機梯度下降動量是對梯度下降的一種調整,它累積了過去梯度的運行平均值,讓優化更快地穿過山谷並抑制…2 最小閱讀量閱讀
- 基礎知識Nesterov 加速梯度Nesterov 加速梯度 (NAG) 是一種更聰明的動量形式,可以在計算梯度之前進行預判,從而對其進行修正。2 最小閱讀量閱讀
- 基礎知識三元組損失和度量學習三元組損失教導神經網路將相似項目放在嵌入空間中靠近,將不同項目放遠。免費純英文指南。2 最小閱讀量閱讀
- 基礎知識標籤平滑標籤平滑化在訓練時用柔化的目標分佈取代硬一熱目標。免費純英文指南。2 最小閱讀量閱讀
- 基礎知識長短期記憶細胞長短期記憶 (LSTM) 單元是循環單元,旨在幫助保存長序列中的資訊和錯誤流。3 最小閱讀量閱讀
- 基礎知識K 均值聚類K-Means 是一種無監督演算法,透過尋找聚類中心自動將資料分類為 K 組。免費的簡單英語指南。2 最小閱讀量閱讀
- 基礎知識K-最近鄰K 最近鄰 (KNN) 透過查看 K 個最接近的範例並進行多數投票來對新資料點進行分類。免費的簡單英語指南。2 最小閱讀量閱讀
- 基礎知識邏輯迴歸邏輯迴歸透過 S 形曲線壓縮加權和來預測某物屬於某個類別(例如垃圾郵件或非垃圾郵件)的機率。2 最小閱讀量閱讀
- 基礎知識樸素貝葉斯分類器朴素貝葉斯(Naive Bayes)是一種基於貝葉斯定理的概率分類器,假設在給定類別的情況下,特徵之間是條件獨立的。1 最小閱讀量閱讀
- 基礎知識ROC 曲線和 AUCROC 曲線繪製了分類器在每個可能的決策閾值上區分兩個類別的效果,而 AUC 將整個曲線壓縮為一個數字。2 最小閱讀量閱讀
- 基礎知識混淆矩陣混淆矩陣是一個簡單的表格,將分類器的預測分為每個類別的正確與錯誤計數。免費純英文指南。2 最小閱讀量閱讀
- 基礎知識偏差-方差權衡偏差-變異折衷說明了模型因過於簡單或過於複雜而失效的原因。免費純英文指南。2 最小閱讀量閱讀