Futuros
Aceda a centenas de contratos perpétuos
TradFi
Ouro
Plataforma de ativos tradicionais globais
Opções
Hot
Negoceie Opções Vanilla ao estilo europeu
Conta Unificada
Maximize a eficiência do seu capital
Negociação de demonstração
Introdução à negociação de futuros
Prepare-se para a sua negociação de futuros
Eventos de futuros
Participe em eventos para recompensas
Negociação de demonstração
Utilize fundos virtuais para experimentar uma negociação sem riscos
Lançamento
CandyDrop
Recolher doces para ganhar airdrops
Launchpool
Faça staking rapidamente, ganhe potenciais novos tokens
HODLer Airdrop
Detenha GT e obtenha airdrops maciços de graça
Launchpad
Chegue cedo ao próximo grande projeto de tokens
Pontos Alpha
Negoceie ativos on-chain para airdrops
Pontos de futuros
Ganhe pontos de futuros e receba recompensas de airdrop
Investimento
Simple Earn
Ganhe juros com tokens inativos
Investimento automático
Invista automaticamente de forma regular.
Investimento Duplo
Aproveite a volatilidade do mercado
Soft Staking
Ganhe recompensas com staking flexível
Empréstimo de criptomoedas
0 Fees
Dê em garantia uma criptomoeda para pedir outra emprestada
Centro de empréstimos
Centro de empréstimos integrado
Centro de Património VIP
Aumento de património premium
Gestão de património privado
Alocação de ativos premium
Fundo Quant
Estratégias quant de topo
Staking
Faça staking de criptomoedas para ganhar em produtos PoS
Alavancagem inteligente
New
Alavancagem sem liquidação
Cunhagem de GUSD
Cunhe GUSD para retornos RWA
Guia: como começar a aprender IA
1. Compreender o que a IA realmente é
- a diferença entre IA, machine learning, etc.
- ver a série de redes neurais do 3Blue1Brown no YouTube
- ler um explainer em linguagem acessível sobre como os LLMs funcionam
2. Ficar à vontade com Python
- Python é a linguagem da IA
- precisa o suficiente para manipular dados e executar modelos
- concentre-se em listas, dicionários, loops, funções e manipulação básica de ficheiros
- Google Colab permite executar Python num browser sem configuração
3. Compreender como os LLMs funcionam
- ler sobre a arquitetura transformer a um nível elevado
- concentrar-se em attention, tokens e janelas de contexto
- entender por que a escala é importante e como consegui-la
4. Dominar engenharia de prompts
- estudar prompt chain-of-thought
- estudar role prompting
- estudar exemplos few-shot
- o guia de engenharia de prompts da Anthropic é o melhor recurso único
5. Fazer a sua primeira chamada de API
- obter uma chave de API da Anthropic ou OpenAI
- fazer uma chamada simples em Python
- construir uma pequena ferramenta (um resumidor, um bot de perguntas e respostas, ou um classificador)
6. Aprender sobre RAG
- uma vez que possa fazer chamadas de API, o próximo desbloqueio é fornecer dados seus ao modelo
- aprender o que é geração aumentada por recuperação e por que é importante
- não precisa construir um sistema completo (compreender o conceito é suficiente para o primeiro mês)
7. Lançar algo pequeno
- construir um mini-projeto completo
- torná-lo útil e testá-lo
- dar aos seus amigos para experimentar
isto é mais um guia prático, ações que pode começar a tomar agora mesmo
aprender coisas desta lista será útil independentemente do que fizer
é essencialmente um guia universal, e cada passo o aproxima mais de resultados reais
assim que tiver estas competências, torna-se muito mais fácil compreender em que realmente quer concentrar-se e construir à volta disso