Перейти к содержанию

Искусственный интеллект

59 тем

Как машины учатся на данных: модели, нейросети и их применение. Все темы предмета на YourAIZone. Откройте тему, чтобы прочитать начало урока.

Искусственный интеллект — уровень «Исследователь» 7 тем

  1. ИИ — это личность или помощник?
  2. Найди ИИ у себя дома
  3. ИИ или просто машина?
  4. Покажи мне много кошек
  5. Хорошие примеры, плохие примеры
  6. Угадай следующее слово
  7. Компьютер тоже угадывает

Искусственный интеллект — Основы 12 тем

  1. Что такое искусственный интеллект?
  2. Краткая история искусственного интеллекта
  3. Как машины учатся: данные и закономерности
  4. Правила против обучения: два способа программирования
  5. Виды машинного обучения
  6. Как устроена нейронная сеть
  7. Компьютерное зрение: как ИИ видит
  8. Обработка естественного языка: как ИИ читает и пишет
  9. Большие языковые модели и чат-боты
  10. Генеративный ИИ: создание изображений, музыки и видео
  11. Ограничения ИИ: галлюцинации, предвзятость и ошибки
  12. Ответственное использование ИИ

Основы машинного обучения 12 тем

  1. Рабочий процесс машинного обучения
  2. Данные: топливо машинного обучения
  3. Подготовка данных: очистка, масштабирование и разбиение
  4. Линейная регрессия: предсказание чисел с помощью прямой
  5. Основы классификации: метод k ближайших соседей (k-NN) и логистическая регрессия
  6. Деревья решений и случайные леса (Decision Trees and Random Forests)
  7. Оценка моделей: аккуратность, точность, полнота
  8. Переобучение и недообучение
  9. Обучение без учителя: кластеризация методом k-средних (k-Means)
  10. Признаки, которые важны: инженерия признаков
  11. Основы обучения с подкреплением
  12. Ваш первый ML-проект: от начала до конца

Нейронные сети и глубокое обучение 10 тем

  1. От биологических к искусственным нейронам
  2. Перцептрон и функции активации
  3. Многослойные сети и прямое распространение
  4. Как обучаются нейросети: функции потерь и градиентный спуск
  5. Обратное распространение ошибки: интуитивное понимание
  6. Обучение на практике: эпохи, батчи и скорость обучения
  7. Свёрточные нейронные сети: как глубокие сети «видят»
  8. Рекуррентные сети и последовательности
  9. Механизм внимания и трансформер
  10. Эмбеддинги (embeddings): представление смысла в виде векторов

Генеративный ИИ и большие языковые модели 10 тем

  1. Что такое генеративный ИИ?
  2. Как работают большие языковые модели (LLM): токены и предсказание следующего слова
  3. Как обучают большие языковые модели (LLM): предобучение, дообучение, RLHF
  4. Основы промпт-инжиниринга
  5. Продвинутые техники промптинга
  6. Галлюцинации: почему LLM выдумывают факты
  7. Как передать ИИ свои документы: RAG
  8. ИИ-агенты: модели, которые используют инструменты
  9. Генерация изображений, аудио и видео
  10. Создание приложений с ИИ: API и экосистема

Этика ИИ и общество 8 тем

  1. Почему этика ИИ имеет значение
  2. Предвзятость в системах ИИ
  3. Приватность и ваши данные
  4. Дипфейки и дезинформация
  5. ИИ и рабочие места: автоматизация и новые профессии
  6. ИИ в решениях с высокими ставками: медицина, право и деньги
  7. Безопасность и согласование ИИ
  8. Правила для ИИ: регулирование и ответственное использование

Изучайте каждую тему шаг за шагом

Уроки, примеры, тесты и ИИ-репетитор подстраиваются под каждого ученика. Начните как гость, без регистрации.

Продолжить как гость Зарегистрироваться Войти