01
人工智慧基礎
了解人工智慧是什麼、系統如何學習、失敗的地方以及如何在不炒作的情況下判斷主張。
免費人工智慧庫
基礎知識 指南永遠免費。
84 簡明英語指南、結構化學習路徑和開放圖書館——由獨立的 501(c)(3) 非營利組織構建，以便任何人都可以理解現代人工智慧。
84免費指南
1主題曲目
~2 min根據指南
~3h閱讀時間
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。
02
負責任的 AI 使用者
有效率地使用人工智慧，同時保護隱私、檢查輸出並維持人類責任。
03
職場人工智慧
評估工作場所用例、運行安全試點、衡量價值並負責任地傳達變更。
04
人工智慧政策與社會
透過權利、公平、治理、安全和公共利益結果來分析人工智慧系統。
05
使用 AI 系統建置
透過實務系統設計，了解語言模型、檢索、代理、評估、成本及部署保障。
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。
全庫
所有指南
84 的 1019 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…
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。
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在嵌入空間中將相似的項目靠近放置，並將不同的項目遠離放置。
基礎知識標籤平滑
標籤平滑是一種簡單的正規化技巧，可以軟化困難的單熱訓練目標，告訴模型正確答案很有可能，但不是 100...
基礎知識長短期記憶細胞
長短期記憶 (LSTM) 細胞是一種特殊的循環神經網路單元，旨在記住長序列中的信息。
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。
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。
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。
基礎知識樸素貝葉斯分類器
樸素貝葉斯是一種基於貝葉斯定理的快速機率分類器，該定理假設每個特徵在給定類別時都是獨立的。
基礎知識ROC 曲線和 AUC
ROC 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。
基礎知識混淆矩陣
混淆矩陣是一個簡單的表，它將分類器的預測分為每個類別的正確和錯誤計數。
基礎知識偏差-方差權衡
偏差-方差權衡解釋了為什麼模型可能會因太簡單或太複雜而失敗。