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
擴散模型
擴散模型透過學習逆轉雜訊過程來產生影像，逐步將隨機靜態轉換為詳細的圖片。
基礎知識少樣本學習
少樣本學習是指從少數而不是數千個範例中學習新任務的能力。
基礎知識嵌入
嵌入將單字、圖像或其他數據轉換為數字（向量）列表，以便相似的事物最終在高維空間中緊密結合在一起。
基礎知識代幣化
標記化是將文字切成更小的片段（稱為標記）的步驟，標記是語言模型實際讀取和預測的單位。
基礎知識特徵工程
特徵工程是一種將原始資料轉換為有助於模型學習的資訊輸入（特徵）的技術。
基礎知識決策樹與隨機森林
決策樹透過詢問一系列簡單的是/否問題（如流程圖）來進行預測。
基礎知識支援向量機
支援向量機 (SVM) 是一種經典演算法，它透過在兩組之間繪製盡可能寬的邊界來將它們分開。
基礎知識降維
降維將資料從許多欄位（特徵）縮減到少數，同時保留重要的結構。
基礎知識遷移學習
遷移學習重用已經在大型資料集上訓練的模型，並將其適應新的相關任務。
基礎知識自我監督學習
自監督學習透過發明一個任務來訓練未標記資料的模型，該任務的答案隱藏在資料本身中。
基礎知識半監督學習
半監督學習在少量標記資料和大量未標記資料上進行訓練。
基礎知識異常檢測
異常檢測是教導機器標記與正常模式嚴重偏離的數據點的做法。