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。
- 科技半監督學習中的一致性正則化當未標記的輸入以小的、保留標籤的方式受到擾動時,一致性正則化教會模型給出相同的答案。2 最小閱讀量閱讀
- 科技多任務網路中的硬參數共享硬參數共享是經典的多任務學習設計,其中多個任務共享相同的隱藏層,並且僅分成單獨的輸出「頭」...2 最小閱讀量閱讀
- 科技條件計算中的門控和路由門控和路由讓神經網路僅啟動每個輸入所需的部分,而不是每次都運行整個模型。2 最小閱讀量閱讀
- 科技Gumbel-Softmax 和重新參數化Gumbel-Softmax 是一種讓神經網路從離散類別中「採樣」的技巧,同時仍可透過梯度下降進行訓練。2 最小閱讀量閱讀
- 科技直通式估計器直通估計器 (STE) 是一個簡單的技巧,用於訓練包含舍入或閾值化等難以微分的步驟的網路。2 最小閱讀量閱讀
- 基礎知識組標準化組歸一化是一種透過對小組通道內的特徵進行歸一化來穩定神經網路訓練的技術,每個通道獨立...2 最小閱讀量閱讀
- 基礎知識門控循環單元門控循環單元 (GRU) 是一種精簡類型的循環神經網路單元,它使用兩個門來決定保留哪些資訊以及忘記哪些資訊…2 最小閱讀量閱讀
- 科技雙向循環網絡雙向循環網路向前和向後讀取序列,因此每個位置的表示都藉鑒了過去和未來的上下文。2 最小閱讀量閱讀
- 科技注意力推出和頭部修剪注意力推出是一種追蹤資訊如何流經 Transformer 堆疊注意力層的方法,以解釋哪些輸入標記影響…2 最小閱讀量閱讀
- 語言人工智慧比較解碼對比解碼透過從大而強的語言模型的傾向中減去小而弱的語言模型的傾向來產生更高品質的文本。2 最小閱讀量閱讀
- 語言人工智慧帶約束的引導束搜索約束束搜尋迫使語言模型的輸出滿足硬要求,例如包含特定單字或匹配語法,同時仍然...2 最小閱讀量閱讀
- 語言人工智慧最小貝葉斯風險解碼最小貝葉斯風險 (MBR) 解碼選擇與許多其他可能的輸出最相似的輸出,而不是單一最高機率的輸出。2 最小閱讀量閱讀