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。免費的簡單英語指南。2 最小閱讀量閱讀
- 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。2 最小閱讀量閱讀
- 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。2 最小閱讀量閱讀
- 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...2 最小閱讀量閱讀
- 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。免費的簡單英語指南。2 最小閱讀量閱讀
- 科技Mixup 與 CutMix 增強Mixup 和 CutMix 是資料增強技術,可在兩個範例的混合(而不是單一範例)上訓練神經網路。免費的簡單英語指南。9 最小閱讀量閱讀
- 基礎知識三元組損失和度量學習三元組損失教導神經網路將相似項目放在嵌入空間中靠近,將不同項目放遠。免費純英文指南。2 最小閱讀量閱讀
- 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…2 最小閱讀量閱讀
- 基礎知識標籤平滑標籤平滑化在訓練時用柔化的目標分佈取代硬一熱目標。免費純英文指南。2 最小閱讀量閱讀
- 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…2 最小閱讀量閱讀
- 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…2 最小閱讀量閱讀
- 基礎知識長短期記憶細胞長短期記憶 (LSTM) 單元是循環單元,旨在幫助保存長序列中的資訊和錯誤流。3 最小閱讀量閱讀