Awesome AIGC Tutorials

บทเรียน AIGC ที่ยอดเยี่ยม

ภาษาอังกฤษ | 中文版

บทช่วยสอน AIGC ที่ยอดเยี่ยมมีคอลเล็กชั่นการสอนและทรัพยากรที่ครอบคลุมในรูปแบบภาษาขนาดใหญ่ภาพวาด AI และสาขาที่เกี่ยวข้อง ค้นพบข้อมูลเชิงลึกเชิงลึกและความรู้ที่จัดทำขึ้นสำหรับทั้งผู้เริ่มต้นและผู้ที่ชื่นชอบ AI ขั้นสูง

- อัปเดตล่าสุด

• [2024-02-18]-? เพิ่มหลักสูตรใหม่: CSCI-GA.3033-102 หัวข้อพิเศษ-การเรียนรู้ด้วยรูปแบบภาษาและวิสัยทัศน์ขนาดใหญ่ในหลายรูปแบบ
• [2024-02-14]-เพิ่มหลักสูตรใหม่: CS11-711 การประมวลผลภาษาธรรมชาติขั้นสูงในรูปแบบภาษาขนาดใหญ่
• [2024-02-14]-เพิ่มการสัมมนาใหม่: AI-Systems (LLM Edition) 294-162 ในระบบ AI

- วิธีการมีส่วนร่วม

เรายินดีต้อนรับการมีส่วนร่วมอย่างอบอุ่นจากทุกคนไม่ว่าคุณจะพบการพิมพ์ผิดบั๊กมีข้อเสนอแนะหรือต้องการแบ่งปันทรัพยากรที่เกี่ยวข้องกับ AIGC สำหรับแนวทางโดยละเอียดเกี่ยวกับวิธีการมีส่วนร่วมโปรดดูไฟล์ MD ที่มีส่วนร่วมของเรา

เนื้อหา

• การแนะนำ
• รูปแบบภาษาขนาดใหญ่
  • วิศวกรรมที่รวดเร็ว
  • - LLMs ในทางปฏิบัติ
  • - ทฤษฎี LLMS
• - ภาพวาด AI
  • ?? พื้นฐานศิลปะและเทคนิคการวาดภาพ AI
  • - หลักการและแอปพลิเคชันการแพร่กระจายที่มั่นคง
• - เสียง AI
• - หลายรูปแบบ
• - การเรียนรู้อย่างลึกซึ้ง
• ระบบ AI
• - เบ็ดเตล็ด
  • ประวัติดาว
  • - ลิงค์มิตรภาพ

การแนะนำ

• AI สำหรับทุกคน - Andrew Ng
  • "AI สำหรับทุกคน" เป็นคู่มือผู้เริ่มต้นในการทำความเข้าใจแอพพลิเคชั่นที่ใช้งานได้จริงของ AI ข้อ จำกัด และผลกระทบทางสังคมเหมาะสำหรับนักธุรกิจและผู้นำ
• AI ที่ใช้งานได้จริงสำหรับครูและนักเรียน - โรงเรียน Wharton
  • หลักสูตรความผิดพลาดของ Wharton Interactive นำเสนอกลไกและผลกระทบของ LLMS โมเดลที่มีสปอตไลต์เช่น OpenAI ของ CHATGPT4, Bing ของ Microsoft ในโหมดสร้างสรรค์และ Bard ของ Google
• ปัญญาประดิษฐ์สำหรับผู้เริ่มต้น - Microsoft
  • หลักสูตร Microsoft 12 สัปดาห์นี้ดำดิ่งลึกลงไปในวิธีการ AI ซึ่งครอบคลุม AI สัญลักษณ์ไปยังเครือข่ายประสาทในขณะที่เน้นเฟรมเวิร์ก Tensorflow และ Pytorch แต่ยังละเว้นการใช้งานทางธุรกิจการเรียนรู้ของเครื่องคลาสสิกและหัวข้อเฉพาะเมฆ
• เส้นทางการเรียนรู้ AI Generative - Google Cloud
  • เส้นทางการเรียนรู้นี้นำเสนอการเดินทางที่ครอบคลุมจากพื้นฐานของแบบจำลองภาษาขนาดใหญ่เพื่อปรับใช้โซลูชั่น AI แบบกำเนิดบน Google Cloud

รูปแบบภาษาขนาดใหญ่

วิศวกรรมที่รวดเร็ว

• chatgpt วิศวกรรมพรอมต์สำหรับนักพัฒนา - deeplearning.ai
  • ร่วมสอนโดย Openai และ Deeplearning.ai หลักสูตรนี้นำทางผู้เรียนในการใช้ประโยชน์จากแบบจำลองภาษาขนาดใหญ่สำหรับงานเช่นการสรุปและการเปลี่ยนแปลงข้อความด้วยประสบการณ์ภาคปฏิบัติในสภาพแวดล้อมสมุดบันทึก Jupyter
• การสร้างระบบด้วย chatgpt api - deeplearning.ai
  • นำโดยผู้เชี่ยวชาญจาก openai และ deeplearning.ai หลักสูตรนี้สอนเวิร์กโฟลว์อัตโนมัติโดยใช้แบบจำลองภาษาการสร้างโซ่ที่รวดเร็วการรวมงูหลามและการออกแบบแชทบอททั้งหมดผ่านการออกกำลังกายสมุดบันทึก Jupyter ด้วยความรู้พื้นฐาน
• Langchain สำหรับการพัฒนาแอปพลิเคชัน LLM - deeplearning.ai
  • ได้รับคำแนะนำจากผู้สร้าง Langchain และ Andrew Ng หลักสูตรนี้ดำดิ่งลงในเทคนิค LLM ขั้นสูงเช่นการดำเนินงานการผูกมัดและการใช้แบบจำลองเป็นตัวแทนให้เหตุผลช่วยให้ผู้เรียนสามารถสร้างแอพพลิเคชั่นที่แข็งแกร่งอย่างรวดเร็วด้วยความรู้พื้นฐานของ Python
• Langchain: แชทกับข้อมูลของคุณ - deeplearning.ai
  • เจาะลึกการสร้างการเพิ่มการสร้างและการสร้าง chatbot ตามเนื้อหาเอกสารด้วย Langchain ครอบคลุมการโหลดข้อมูลการแยกการฝังระบบการดึงข้อมูลขั้นสูงและการสร้าง chatbot แบบโต้ตอบซึ่งออกแบบมาสำหรับนักพัฒนาที่มีความเชี่ยวชาญในการควบคุมแบบจำลองภาษาขนาดใหญ่
• วิศวกรรมที่รวดเร็วสำหรับ Chatgpt - Vanderbilt University
  • ปลดล็อกศักยภาพของโมเดลภาษาขนาดใหญ่เช่น CHATGPT โดยการเรียนรู้วิศวกรรมที่รวดเร็วการเปลี่ยนจากการแจ้งเตือนขั้นพื้นฐานเป็นพรอมต์ที่ซับซ้อนทำให้แอปพลิเคชันที่หลากหลายตั้งแต่การเขียนไปจนถึงการจำลองเหมาะสำหรับทุกคนที่มีทักษะคอมพิวเตอร์ขั้นพื้นฐาน
• คู่มือวิศวกรรมที่รวดเร็ว - dair.ai
  • คู่มือนี้แนะนำวิศวกรรมที่รวดเร็ววินัยที่เพิ่มประสิทธิภาพการโต้ตอบกับแบบจำลองภาษาขนาดใหญ่เสนอทรัพยากรที่กว้างขวางการวิจัยและเครื่องมือ
• เรียนรู้การแจ้งเตือน
  • ดำดิ่งสู่คู่มือเริ่มต้นเกี่ยวกับการกำเนิด AI และวิศวกรรมที่รวดเร็วนำเสนอข้อมูลเชิงลึกจากยักษ์ใหญ่ในอุตสาหกรรมและสำรวจว่าเครื่องมือเหล่านี้ปฏิวัติการสร้างเนื้อหาและอนาคตของการทำงานอย่างไร
• คู่มือ Langchain AI - James Briggs และ Francisco Ingham
  • สำรวจโลกที่เปลี่ยนแปลงของ Langchain, การเรียนรู้องค์ประกอบหลัก, การกำหนดพรอมต์ที่มีประสิทธิภาพและการควบคุมตัวแทน AI ขั้นสูง, ความทรงจำการสนทนาและเครื่องมือที่กำหนดเองสำหรับแอปพลิเคชันที่ทันสมัย

- LLMs ในทางปฏิบัติ

• LLM bootcamp - สแต็กเต็มรูปแบบ
  • เจาะลึกลงไปในวิศวกรรมที่รวดเร็วการดำเนินงาน LLM การออกแบบประสบการณ์ผู้ใช้สำหรับอินเทอร์เฟซภาษาเทคนิคแบบจำลองภาษาที่เพิ่มขึ้นพื้นฐานข้อมูลเชิงลึก LLM พื้นฐานโครงการจริงและอนาคตของ LLMs ซึ่งเสริมด้วยการพูดคุยจากผู้เชี่ยวชาญจากผู้นำอุตสาหกรรมเกี่ยวกับการฝึกอบรมและการออกแบบตัวแทน
• Finetuning รุ่นภาษาขนาดใหญ่ - deeplearning.ai
  • เรียนรู้เทคนิคของการปรับแต่งแบบจำลองภาษาขนาดใหญ่ (LLMS) กับ Sharon Zhou ได้รับความเชี่ยวชาญในการเตรียมข้อมูลการฝึกอบรมและการปรับปรุงน้ำหนักสุทธิของระบบประสาทเพื่อให้ได้ผลลัพธ์ที่ดีขึ้นตามข้อมูลของคุณ
• CS25: Transformers United V3 - Stanford University
  • หลักสูตรนี้นำเสนอบทบาทการเปลี่ยนแปลงของหม้อแปลงในการเรียนรู้อย่างลึกซึ้งโดยเฉพาะอย่างยิ่งผลกระทบต่อความก้าวหน้าของแบบจำลองภาษาเช่น CHATGPT และ GPT-4
• เรียนรู้พื้นฐานของ AI Generative สำหรับแอปพลิเคชันจริง - AWS x deeplearning.ai
  • หลักสูตรนี้ร่วมกับ AWS นำเสนอข้อมูลเชิงลึกที่ลึกซึ้งเกี่ยวกับ AI Generative และรูปแบบภาษาขนาดใหญ่ (LLMS) ผู้เข้าร่วมจะได้เรียนรู้กลไกการเพิ่มประสิทธิภาพและการใช้งานจริงของ LLMs จากผู้เชี่ยวชาญ AWS AI เหมาะสำหรับมืออาชีพใน AI และการเรียนรู้ของเครื่องพร้อมใบรับรอง Coursera เมื่อเสร็จสิ้น แนะนำให้ใช้ความรู้พื้นฐานและการเรียนรู้ของเครื่องจักร

- ทฤษฎี LLMS

• CS324 - ความก้าวหน้าในรูปแบบพื้นฐาน - มหาวิทยาลัยสแตนฟอร์ด
  • CS 324 นำเสนอโมเดลพื้นฐานเช่น GPT-3 และ Dall-E ครอบคลุมหลักการระบบจริยธรรมและการประยุกต์ใช้และปิดท้ายในโครงการวิจัยหรือการออกแบบแอปพลิเคชัน
• CS11-711 การประมวลผลภาษาธรรมชาติขั้นสูง - Carnegie Mellon University
  • หลักสูตร NLP ขั้นสูงของ CMU สำรวจวิธีการประสาทที่ทันสมัยเพื่อทำความเข้าใจและสร้างสรรค์นวัตกรรมในการประมวลผลภาษาธรรมชาติ
• CS 601.471/671 NLP: โมเดลที่ดูแลตนเอง - มหาวิทยาลัย Johns Hopkins
  • หลักสูตรนี้นำเสนอการสำรวจเชิงลึกเกี่ยวกับเทคนิคการเรียนรู้ที่ดูแลตนเองสำหรับ NLP ฝึกอบรมนักเรียนในการออกแบบและใช้โมเดลเครือข่ายประสาทโดยใช้ Pytorch โดยมุ่งเน้นไปที่สถาปัตยกรรมแบบจำลองภาษาต่างๆ
• 11-667: วิธีการแบบจำลองภาษาขนาดใหญ่และแอปพลิเคชัน - Carnegie Mellon University
  • หลักสูตรบัณฑิตศึกษานี้นำเสนอภาพรวมที่ครอบคลุมของแบบจำลองภาษาขนาดใหญ่ (LLMS) ครอบคลุมพื้นฐานความสามารถฉุกเฉินแอปพลิเคชันเทคนิคการปรับขนาดข้อกังวลการปรับใช้และความท้าทายในอนาคตการเตรียมนักเรียนสำหรับการวิจัยและการใช้งานในยุค AI
• CS224N: การประมวลผลภาษาธรรมชาติด้วยการเรียนรู้ลึก - มหาวิทยาลัยสแตนฟอร์ด
  • หลักสูตรนี้ให้ข้อมูลเชิงลึกที่ครอบคลุมเกี่ยวกับการเรียนรู้อย่างลึกซึ้งสำหรับ NLP โดยใช้ Pytorch เน้นแบบจำลองระบบประสาทแบบ end-to-end ไม่จำเป็นต้องใช้วิศวกรรมคุณลักษณะเฉพาะของงานและเตรียมทักษะให้กับนักเรียนในการสร้างโซลูชั่นเครือข่ายประสาท
• การคำนวณการเรียนรู้อย่างลึกซึ้งและมีประสิทธิภาพ - สถาบันเทคโนโลยีแมสซาชูเซตส์
  • หลักสูตรนี้สำรวจเทคนิคการคำนวณ AI ที่มีประสิทธิภาพสำหรับการเรียนรู้อย่างลึกซึ้งเกี่ยวกับอุปกรณ์ที่มีข้อ จำกัด ครอบคลุมการบีบอัดแบบจำลองการตัดแต่งกิ่งปริมาณการค้นหาสถาปัตยกรรมการฝึกอบรมแบบกระจายและการเรียนรู้ของเครื่องควอนตัมด้วยการปรับใช้แบบจำลองขนาดใหญ่เช่น LLAMA 2 บนแล็ปท็อป
• การประมวลผลคำพูดและภาษา - Dan Jurafsky และ James H. Martin
  • เขียนโดยผู้เชี่ยวชาญชั้นนำในสาขาข้อความที่เชื่อถือได้นี้ให้การสำรวจเชิงลึกของอัลกอริทึมและแบบจำลองทางคณิตศาสตร์สำหรับการประมวลผลภาษาธรรมชาติที่ทันสมัยและการรู้จำเสียงพูดและได้รับการปรับปรุงอย่างต่อเนื่องเพื่อสะท้อนความก้าวหน้าอย่างรวดเร็วในโดเมน NLP
• COS 597G (ฤดูใบไม้ร่วง 2022): การทำความเข้าใจรูปแบบภาษาขนาดใหญ่ - มหาวิทยาลัยพรินซ์ตัน
  • การสำรวจขั้นสูงในขอบเขตการเปลี่ยนแปลงของ LLMS หารือเกี่ยวกับแบบจำลองที่ล้ำสมัยความสามารถที่ลึกซึ้งและความท้าทายที่เกี่ยวข้องโดยเน้นการวิจัยเชิงลึกการพิจารณาทางจริยธรรมและประสบการณ์โครงการภาคปฏิบัติ นักเรียนมีประสบการณ์ในการเรียนรู้ของเครื่องจักรและกรอบ NLP ลึก

- ภาพวาด AI

?? พื้นฐานศิลปะและเทคนิคการวาดภาพ AI

• ซีรี่ส์การบรรยาย: หัวข้อที่น่าสนใจทุกสัปดาห์เกี่ยวกับพื้นฐานของศิลปะ - Niji Academy
  • Niji Academy ผสมผสานพื้นฐานทางศิลปะเข้ากับ AI การยกระดับทักษะการวาดภาพและเร่งการเรียนรู้ศิลปะ

- หลักการและแอปพลิเคชันการแพร่กระจายที่มั่นคง

• โมเดลการแพร่กระจายอย่างไร - deeplearning.ai
  • Master Generative AI ใน 'วิธีการแพร่กระจายของโมเดลการทำงาน' ซึ่งเป็นหลักสูตรระดับกลางโดยชารอนโจวซึ่งคุณจะสร้างโมเดลการแพร่กระจายตั้งแต่เริ่มต้นด้วยการเข้ารหัสด้วยมือและห้องปฏิบัติการเหมาะสำหรับผู้ที่มีความเชี่ยวชาญใน Python, Tensorflow หรือ Pytorch
• กอดหลักสูตรการแพร่กระจายของใบหน้า
  • หลักสูตร Hugging Face นำเสนอรูปแบบการแพร่กระจายในเชิงลึกนำทางผู้เข้าร่วมผ่านการสร้างสื่อการฝึกอบรมเชิงปฏิบัติและการปรับแต่งโดยใช้ห้องสมุด diffusers พร้อมความเข้าใจพื้นฐานของ Python และการเรียนรู้อย่างลึกซึ้งที่จำเป็นสำหรับประสบการณ์ที่ดีที่สุด
• การเรียนรู้เชิงลึกสำหรับผู้เขียนโค้ดตอนที่ 2: รากฐานการเรียนรู้ลึกเพื่อการแพร่กระจายที่มั่นคง - fast.ai
  • หลักสูตรนี้นำเสนอการสำรวจเชิงลึกเกี่ยวกับอัลกอริทึมการแพร่กระจายที่มั่นคงครอบคลุมเทคนิคการเรียนรู้เชิงลึกขั้นสูงและโครงการเชิงปฏิบัติโดยใช้ Pytorch ช่วยให้นักเรียนมีความเชี่ยวชาญในรูปแบบการแพร่กระจายที่ทันสมัย

- เสียง AI

• กอดหลักสูตรเสียงใบหน้า
  • หลักสูตร Hugging Face Audio สอนวิธีการใช้ Transformers สำหรับงานเสียงต่าง ๆ ตั้งแต่การจดจำเสียงพูดไปจนถึงการสร้างคำพูดจากข้อความรวมทฤษฎีเข้ากับแบบฝึกหัดบนมือสำหรับผู้เรียนที่คุ้นเคยกับการเรียนรู้อย่างลึกซึ้ง
• CS224S: การประมวลผลภาษาพูด - มหาวิทยาลัยสแตนฟอร์ด
  • หลักสูตรที่ดื่มด่ำกับเทคโนโลยีภาษาที่พูดครอบคลุมระบบการโต้ตอบการเรียนรู้อย่างลึกซึ้งในการรู้จำเสียงพูดและการสังเคราะห์ด้วยโครงการจริง ๆ โดยใช้เครื่องมือที่ทันสมัยเช่น Pytorch, Alexa Skills Skills Kit และ Speechbrain ซึ่งเป็นจุดสูงสุดในโครงการวิจัยหรือการออกแบบระบบที่ขับเคลื่อนด้วยนักเรียน

- หลายรูปแบบ

• CSCI-GA.3033-102 หัวข้อพิเศษ-การเรียนรู้ด้วยรูปแบบภาษาและวิสัยทัศน์ขนาดใหญ่
  • หลักสูตรบัณฑิตศึกษาเกี่ยวกับผลกระทบของแบบจำลองภาษาและวิสัยทัศน์ขนาดใหญ่ครอบคลุม AI หลายรูปแบบและ AI และการเตรียมนักเรียนสำหรับการวิจัย AI
• การสอนเกี่ยวกับการเรียนรู้ของเครื่องหลายรูปแบบ (ICML 2023) - Carnegie Mellon University
  • หลักสูตรนี้นำเสนอการเรียนรู้เชิงลึกเกี่ยวกับการเรียนรู้ของเครื่องหลายรูปแบบการวาดข้อมูลเชิงลึกจากกระดาษสำรวจรุ่นล่าสุดและคำสอนทางวิชาการของ CMU ที่จัดการกับความท้าทายที่เป็นเอกลักษณ์และทิศทางในอนาคต
• 11-777: การเรียนรู้ของเครื่องหลายรูปแบบ (ฤดูใบไม้ร่วง 2022) - Carnegie Mellon University
  • หลักสูตรนี้นำเสนอการเรียนรู้ของเครื่องหลายรูปแบบ (MMML) ครอบคลุมฐานรากทางคณิตศาสตร์แบบจำลองความน่าจะเป็นที่ทันสมัยและความท้าทายที่สำคัญในขณะที่เน้นการใช้งานและเทคนิคล่าสุดเช่นหม้อแปลงหลายรูปแบบและแบบจำลองระบบประสาท
• 11-877: หัวข้อขั้นสูงในการเรียนรู้ของเครื่องหลายรูปแบบ (ฤดูใบไม้ร่วง 2022) - มหาวิทยาลัย Carnegie Mellon
  • หลักสูตรนี้สำรวจการเรียนรู้ของเครื่องหลายรูปแบบ (MMML) ครอบคลุมความท้าทายทางเทคนิคและความสำเร็จล่าสุด มันเน้นการคิดอย่างมีวิจารณญาณและแนวโน้มการวิจัยในอนาคตด้วยการอัปเดตรายสัปดาห์โพรบสนทนาและไฮไลท์การวิจัยบนเว็บไซต์หลักสูตร

- การเรียนรู้อย่างลึกซึ้ง

• เครือข่ายประสาท/การเรียนรู้ลึก - StatQuest
  • ค้นพบความซับซ้อนของเครือข่ายประสาทในเพลย์ลิสต์ YouTube ที่ได้รับความนิยมสูงนี้ผสมผสานกราฟิกที่ให้ข้อมูลกับคำสอนของผู้เชี่ยวชาญโดยมีนักเรียนนับไม่ถ้วนนับไม่ถ้วนจากพื้นฐานไปสู่การจำแนกภาพขั้นสูงด้วยเครือข่ายประสาท
• Neural Networks - 3Blue1Brown
  • 3BLUE1BROWN เปิดเผยความมหัศจรรย์ของเครือข่ายประสาทผ่านภาพเคลื่อนไหวที่สดใสและคำอธิบายที่ชัดเจนดำน้ำลึกเข้าไปในการรับรู้ตัวเลขที่เขียนด้วยมือความแตกต่างของการไล่ระดับสีและแคลคูลัสที่ซับซ้อนที่อยู่เบื้องหลัง backpropagation
• Neural Networks: Zero to Hero - Andrej Karpathy
  • หลักสูตรของ Andrej Karpathy แนะนำนักเรียนจาก backpropagation พื้นฐานไปจนถึงเครือข่ายประสาทขั้นสูงเช่น GPT โดยเน้นรูปแบบภาษาเป็นเกตเวย์ที่หลากหลายในการเรียนรู้การเรียนรู้อย่างลึกซึ้งด้วยสิ่งที่จำเป็นต้องมีในการเขียนโปรแกรม Python
• การเรียนรู้เชิงลึกสำหรับผู้เขียนโค้ด - fast.ai
  • การเรียนรู้อย่างลึกซึ้งสำหรับ Coders 2022 เป็นหลักสูตรฟรีที่นำเสนอประสบการณ์จริงในการสร้างการฝึกอบรมและการปรับใช้รูปแบบการเรียนรู้ที่ลึกซึ้งในโดเมนต่าง ๆ โดยใช้เครื่องมือเช่น Pytorch และ Fastai เหมาะสำหรับผู้ที่มีความรู้ด้านการเข้ารหัสและไม่จำเป็นต้องมีคณิตศาสตร์ขั้นสูง
• ความเชี่ยวชาญการเรียนรู้ลึก - Andrew Ng
  • ความเชี่ยวชาญในการเรียนรู้อย่างลึกซึ้งของ Andrew NG เป็นโปรแกรมที่ได้รับการจัดอันดับสูงสุดใน Coursera ที่มีผู้เรียนมากกว่า 1 ล้านคนเสนอโมดูลที่ชัดเจนและเทคนิคการปฏิบัติใน AI ซึ่งได้รับการสนับสนุนจากชุมชนที่กว้างใหญ่
• 6.S191: บทนำสู่การเรียนรู้ลึก - สถาบันเทคโนโลยีแมสซาชูเซตส์
  • bootcamp ที่เข้มข้นของ MIT เกี่ยวกับพื้นฐานการเรียนรู้อย่างลึกซึ้งครอบคลุมแอพพลิเคชั่นจากการมองเห็นคอมพิวเตอร์ไปจนถึงชีววิทยาด้วยการฝึกซ้อมแบบเทนเซอร์โฟลว์และการแข่งขันโครงการที่ยอดเยี่ยม แคลคูลัสพื้นฐานและความรู้พีชคณิตเชิงเส้นที่จำเป็น; ประสบการณ์ Python เป็นประโยชน์
• CS25: Transformers United V2 - Stanford University
  • สำรวจพลังการเปลี่ยนแปลงของหม้อแปลงในการเรียนรู้อย่างลึกซึ้งในโดเมนที่หลากหลายตั้งแต่ NLP ไปจนถึงชีววิทยาในการสัมมนาที่มีการบรรยายผู้เชี่ยวชาญการอภิปรายที่ก้าวหน้าและข้อมูลเชิงลึกจากนักวิจัยชั้นนำโดยมีวัตถุประสงค์เพื่อส่งเสริมความเข้าใจและนวัตกรรมข้าม
• ชุดการบรรยายการเรียนรู้ลึก 2020 - DeepMind X University College London
  • DeepMind นำเสนอซีรี่ส์ 12 บรรยายเกี่ยวกับการเรียนรู้ลึกการดำน้ำจากหัวข้อพื้นฐานไปจนถึงเทคนิคขั้นสูงครอบคลุมพื้นที่ตั้งแต่การจดจำวัตถุไปจนถึงนวัตกรรม AI ที่รับผิดชอบซึ่งทั้งหมดส่งมอบโดยผู้เชี่ยวชาญด้านการวิจัยชั้นนำ
• ชุดการเรียนรู้การเรียนรู้การเสริมแรง 2021 - DeepMind X University College London
  • DeepMind และ UCL นำเสนอซีรีส์ 13 บรรยายที่ครอบคลุมเกี่ยวกับการเรียนรู้การเสริมแรงที่ทันสมัยตั้งแต่แนวคิดพื้นฐานไปจนถึงเทคนิค RL Deep Advanced นำโดยนักวิจัยผู้เชี่ยวชาญ Hado Van Hasselt, Diana Borsa และ Matteo Hessel

ระบบ AI

• ระบบการเรียนรู้ของเครื่อง AI-SP22-มหาวิทยาลัยแห่งแคลิฟอร์เนียเบิร์กลีย์
  • เจาะลึกความสัมพันธ์ทางชีวภาพระหว่างแอปพลิเคชัน AI ที่ทันสมัยและระบบที่สนับสนุนพวกเขาสำรวจความก้าวหน้าในฮาร์ดแวร์ซอฟต์แวร์และเทคนิคการเพิ่มประสิทธิภาพที่ขับเคลื่อนด้วย AI ผ่านการบรรยายการอภิปรายและโครงการร่วมกัน
• ระบบการเรียนรู้ลึก: อัลกอริทึมและการใช้งาน - Tianqi Chen, Zico Kolter
  • สำรวจรากฐานของระบบการเรียนรู้ลึกโดยการสร้างห้องสมุดที่สมบูรณ์ทำความเข้าใจทุกเลเยอร์ตั้งแต่การออกแบบแบบจำลองไปจนถึงอัลกอริทึมที่มีประสิทธิภาพโดยใช้ Python และ C/C ++
• CS 329S: การออกแบบระบบการเรียนรู้ของเครื่อง - มหาวิทยาลัยสแตนฟอร์ด
  • เชี่ยวชาญความซับซ้อนของการออกแบบระบบการเรียนรู้ของเครื่องจักรที่ปรับขนาดได้และปรับใช้ได้โดยมุ่งเน้นไปที่ผู้มีส่วนได้ส่วนเสียข้อกำหนดการพัฒนาและการออกแบบระบบแบบองค์รวมในขณะที่จัดการกับปัญหาที่สำคัญเช่นความเป็นส่วนตัวความยุติธรรมและความปลอดภัย
• AI-Systems (LLM Edition) 294-162-มหาวิทยาลัยแห่งแคลิฟอร์เนียเบิร์กลีย์
  • หลักสูตรนี้นำเสนอความก้าวหน้าของฮาร์ดแวร์/ซอฟต์แวร์และ AI ที่เกิดขึ้นโดยเน้นว่านวัตกรรมเหล่านี้เป็นแรงผลักดันการปรับขนาดและความสามารถของโมเดล AI อย่างไร
• 15-849: ระบบการเรียนรู้ของเครื่อง - มหาวิทยาลัย Carnegie Mellon
  • ดำดิ่งสู่สถาปัตยกรรมของระบบ ML สมัยใหม่คลี่คลายการเดินทางจากการออกแบบโมเดลระดับสูงไปจนถึงการดำเนินการเคอร์เนลระดับต่ำเกี่ยวกับฮาร์ดแวร์ที่ต่างกันในขณะที่เปิดเผยหลักการและความท้าทายของแอพพลิเคชั่นและแพลตฟอร์ม ML รุ่นต่อไป
• วิทยาการคอมพิวเตอร์ 598D - ระบบและการเรียนรู้ของเครื่อง - มหาวิทยาลัยพรินซ์ตัน
  • สำรวจการทำงานร่วมกันระหว่างระบบและการเรียนรู้ของเครื่องโดยการผ่าตัดวิจัยล่าสุดเกี่ยวกับฮาร์ดแวร์/ซอฟต์แวร์ ML ที่มีประสิทธิภาพและการใช้ ML กับการออกแบบระบบปิดท้ายโครงการและการอภิปรายอย่างลึกซึ้งสำหรับนักศึกษาระดับบัณฑิตศึกษา

- เบ็ดเตล็ด

ประวัติดาว

- ลิงค์มิตรภาพ

• Waytoagi
  • Waytoagi.com เป็นศูนย์กลางทรัพยากรจีนที่ครอบคลุมมากที่สุดสำหรับ AIGC ชี้นำผู้ใช้ในการเดินทางการเรียนรู้ที่ดีที่สุดเพื่อทำความเข้าใจและควบคุมพลังของ AI
• CodeFuse-Chatbot
  • CodeFuse-Chatbot เป็นผู้ช่วยอัจฉริยะ AI โอเพนซอร์ซที่ออกแบบมาเพื่อรองรับวงจรการพัฒนาซอฟต์แวร์ด้วยการเข้าถึงเครื่องมือความรู้และการรวมแพลตฟอร์ม
• codefuse devops eval
  • DevOps-Eval เป็นพื้นที่เก็บข้อมูล GitHub ที่เสนอชุดพิเศษสำหรับการประเมินและปรับปรุงโมเดลพื้นฐานในภาค DevOps รวมถึงชุดการออกกำลังกาย AIOPS ที่หลากหลาย