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
科技 指南永遠免費。
177 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。
177免費指南
1主題曲目
~2 min根據指南
~6h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
177 的 1019 顯示指南。按曲目過濾或上方搜尋。
科技
序列模型中的教師強制
教師強制是序列模型的一種訓練技巧，其中真實的前一個標記（而不是模型自己的猜測）作為下一個輸入輸入。
科技預定採樣和曝光偏差
暴露偏差是指僅在完美前綴上訓練的模型在推理時必須以其自身的不完美輸出為條件時出現的差距。
科技不平衡偵測的焦點損失
焦點損失是一種修改後的損失函數，可以降低簡單範例的權重，以便檢測器可以專注於困難的、罕見的範例。
科技測試時間增加
測試時間增強 (TTA) 對同一輸入的多個變更版本運行經過訓練的模型，並對預測進行平均。
科技負取樣與雜訊比較估計
負取樣和雜訊對比估計 (NCE) 是讓模型學習大量詞彙的技巧，而無需計算昂貴的完整 softmax。
科技InfoNCE 和 SimCLR 目標
InfoNCE 是一種對比損失，它教導模型將匹配對拉到一起並將不匹配對在嵌入空間中分開。
科技隨機權重平均
隨機權重平均 (SWA) 對訓練後期的幾個點的模型權重進行簡單平均，而不是僅僅保留最終的...
科技Lookahead 和 Lion 最佳化器
Lookahead 和 Lion 是神經網路最佳化的兩個現代轉折。
科技Mixup 與 CutMix 增強
Mixup 和 CutMix 是資料增強方法，透過混合兩個影像及其標籤來建立新的訓練範例。
科技在線和硬負數挖掘
硬負挖掘選擇資訊最豐富、難以區分的範例進行訓練，而不是將精力浪費在模型已經獲得的簡單範例上…
科技膠囊網絡
膠囊網路是一種神經架構，它將神經元分組為“膠囊”，輸出編碼特徵是否存在及其姿勢的向量…
科技迴聲狀態網路和油藏計算
儲庫計算是訓練循環網路的一個聰明的捷徑：留下一個大的、隨機連接的神經元「儲庫」固定，只訓練…