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
自玩微調
自對弈微調透過讓它與自己過去的產出競爭或學習，產生自己的訓練訊號來改進模型。
基礎知識考試時培訓
測試時訓練 (TTT) 讓模型在做出預測時繼續從每個新輸入中學習，而不是在訓練後保持凍結狀態。
基礎知識摸索和延遲泛化
Grokking 是一種令人震驚的現象，神經網路首先記住其訓練數據，長時間保持接近零的驗證精度，然後…
基礎知識過擬合與欠擬合
過度擬合是指模型記住了其訓練數據，但在新範例上卻失敗了；欠擬合是指過於簡單而無法捕捉真實模式。
基礎知識正規化
正則化是一組故意約束模型的技術，以便它可以推廣到新資料而不是記住訓練集。
基礎知識反向傳播
反向传播是一种算法，它可以让神经网络通过有效计算每个权重对错误的贡献程度来从错误中学习。
基礎知識梯度下降
梯度下降是一種最佳化方法，實際上將模型的權重向下移動以降低誤差，一次一小步。
基礎知識損失函數
損失函數是告訴模型其預測有多麼錯誤的單一數字，將模糊的目標轉變為數學可以最佳化的目標。
基礎知識激活函數
激活函數是每個神經元內部的小型非線性門，讓神經網路學習複雜的彎曲模式，而不僅僅是直線。
基礎知識卷積神經網絡
卷積神經網路 (CNN) 是理解影像的主力架構。
基礎知識循環神經網絡
循環神經網路 (RNN) 旨在處理文字、語音和時間序列等序列。
基礎知識生成對抗網絡
生成對抗網路 (GAN) 透過讓兩個神經網路在競爭中相互競爭來創建真實的新數據。