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
Meta-學習
Meta-學習或「學會學習」僅透過少數範例即可訓練模型快速適應全新任務。
基礎知識整合方法和梯度提升
集成方法結合了許多簡單的模型，因此該組可以比任何單一模型做出更好的預測。
基礎知識貝葉斯深度學習
貝葉斯深度學習將神經網路的權重視為機率分佈而不是固定數字，因此模型可以說出它的置信度。
基礎知識課程學習
課程學習按照故意的順序在範例上訓練人工智慧模型——先簡單，後困難——而不是以隨機順序輸入資料。
基礎知識神經架構搜尋
神經架構搜尋（NAS）自動化神經網路結構的設計－讓演算法而不是人類來決定有多少層、什麼操作…
基礎知識持續學習和災難性遺忘
持續學習的目標是隨著時間的推移訓練人工智慧執行一系列新任務，而不抹掉它已經知道的知識。
基礎知識變分自動編碼器
變分自編碼器 (VAE) 是生成神經網絡，它學習將資料壓縮到平滑的機率潛在空間，然後重建...
基礎知識狀態空間模型和 Mamba
狀態空間模型 (SSM) 是透過壓縮隱藏狀態傳遞訊息的序列模型，隨著序列長度線性縮放...
基礎知識圖神經網路
圖神經網路（GNN）是透過傳遞和聚合資訊直接在圖結構資料（由邊連接的節點）上學習的模型…
基礎知識多智能體強化學習
多智能體強化學習 (MARL) 訓練多個共享環境的學習智能體，每個智能體都適應自己的行為，而其他智能體也會適應。
基礎知識主動學習
主動學習是一種訓練策略，模型本身會選擇人類接下來應該標記哪些未標記的範例。
基礎知識數據增強
数据增强通过创建现有示例的修改副本（例如翻转或裁剪图像）来人为地扩展训练集。