從這裡開始
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。
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。
- 134 指南基礎知識核心概念:人工智慧如何在高層次上運作。探索
- 272 指南語言人工智慧LLM、NLP、ChatGPT、提示和文字理解。探索
- 298 指南視覺人工智慧影像生成、電腦視覺、視訊和設計。探索
- 188 指南音訊人工智慧語音、音樂、播客和音訊優先的人工智慧。探索
- 145 指南公司OpenAI、Anthropic、Google、Meta 等的設定檔。探索
- 761 指南應用領域人工智慧如何出現在編碼、搜尋、代理和日常生活中。探索
- 244 指南產業醫療保健、金融、教育、能源等領域的人工智慧。探索
- 536 指南科技晶片、微調、RAG、向量和人工智慧基礎設施。探索
- 422 指南社會偏見、隱私、版權、安全和人工智慧的未來。探索
全庫
所有指南
3000 的 3000 顯示指南。按曲目過濾或上方搜尋。
- 科技套索和彈性網絡回歸套索回歸(Lasso regression)加入 L1 懲罰項,可將部分擬合係數精確縮減至零,從而產生稀疏線性模型。免費的白話指南。4 最小閱讀量閱讀
- 科技線性迴歸假設與殘差分析線性回歸將條件均值描述為預測變數的線性組合,但可靠的解讀與不確定性估計取決於……4 最小閱讀量閱讀
- 科技對數與 Box-Cox 轉換對數、Box-Cox 及 Yeo-Johnson 轉換可重塑數值分佈,通常能減少右偏並穩定變異性,以利於後續建模。3 最小閱讀量閱讀
- 科技MAP 估計和先驗最大後驗估計(MAP)為連續參數選擇具有最高後驗密度的參數值,或選擇具有最高後驗質量的……3 最小閱讀量閱讀
- 科技多重共線性與變異數膨脹因子當回歸中的預測變數包含重疊資訊時,就會發生多重共線性,這使得難以區分它們各自的貢獻。4 最小閱讀量閱讀
- 科技序數回歸序數回歸預測有序類別(如低、中、高),利用其順序但不假設數值間距相等。3 最小閱讀量閱讀
- 科技計數數據的泊松回歸Poisson迴歸將計數的預期值作為預測變數的函數進行建模,通常使用對數連結函數以保持擬合均值為正。4 最小閱讀量閱讀
- 科技多類別分類的 Softmax 迴歸Softmax迴歸將邏輯迴歸擴展到互斥類別,透過為每個類別分配一個分數並將所有分數轉換為機率…3 最小閱讀量閱讀
- 科技XGBoost演算法XGBoost是一個梯度提升庫,通過擬合新樹來改進當前目標,構建一個加法預測器,並進行正則化…3 最小閱讀量閱讀
- 科技Expectation-Maximization演算法Expectation-maximization (EM) 在資料包含未觀測變數或缺失值時估計模型參數,透過交替估計…3 最小閱讀量閱讀
- 科技基尼雜質Gini不純度衡量決策樹節點中類別標籤的混合程度,零表示所有樣本屬於同一類別。4 最小閱讀量閱讀
- 科技KL散度Kullback-Leibler (KL) 散度衡量使用一個機率分布來表示另一個機率分布時的預期額外資訊成本。3 最小閱讀量閱讀