01
AI-fundamenten
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Gratis AI-bibliotheek
Grondbeginselen gidsenVoor altijd gratis.
84 duidelijke Engelse handleidingen, gestructureerde leertrajecten en een open bibliotheek – gebouwd door een onafhankelijke 501(c)(3) non-profitorganisatie, zodat iedereen de moderne AI kan begrijpen.
84Gratis gidsen
1Onderwerptracks
~2 minPer gids
~3hReading time
Begin hier
Five outcome-based courses
Each course includes explicit outcomes, mapped competencies, practice activities, and an applied capstone.
02
Verantwoordelijke AI-gebruiker
Use AI productively while protecting privacy, checking outputs, and preserving human accountability.
03
AI op het werk
Evaluate workplace use cases, run safe pilots, measure value, and communicate changes responsibly.
04
AI-beleid en samenleving
Analyze AI systems through rights, equity, governance, safety, and public-interest outcomes.
05
Bouwen met AI-systemen
Understand language models, retrieval, agents, evaluation, cost, and deployment safeguards through practical system design.
Onderwerptracks
Blader op nummer
Spring naar het gebied waar u om geeft. Elke track heeft meerdere duidelijke Engelse gidsen.
GrondbeginselenKernconcepten: hoe AI op een hoog niveau werkt.84 gidsen Taal AILLM's, NLP, ChatGPT, aanwijzingen en tekstbegrip.155 gidsen Visuele AIBeeldgeneratie, computervisie, video en ontwerp.133 gidsen Audio-AISpraak, muziek, podcasting en audio-first AI.117 gidsen BedrijvenProfielen van OpenAI, Anthropic, Google, Meta en meer.121 gidsen ToepassingenHoe AI opduikt in coderen, zoeken, agenten en het dagelijks leven.111 gidsen IndustrieënAI in de gezondheidszorg, financiën, onderwijs, energie en meer.91 gidsen TechnischChips, fine-tuning, RAG, vectoren en AI-infrastructuur.177 gidsen SamenlevingVooroordelen, privacy, auteursrecht, veiligheid en de AI-toekomst.30 gidsen
Volledige bibliotheek
Alle gidsen
84 van 1019 gidsen getoond. Filter op nummer of zoek hierboven.
Grondbeginselen
Zelf-afstemming
Zelf-play-fine-tuning verbetert een model door het te laten concurreren met of te leren van zijn eigen resultaten uit het verleden, waardoor zijn eigen trainingssignaal wordt gegenereerd.
GrondbeginselenTesttijdtraining
Met Testtime Training (TTT) kan een model blijven leren van elke nieuwe input op het moment dat het een voorspelling doet, in plaats van bevroren te blijven na de training.
GrondbeginselenGrokking en vertraagde generalisatie
Grokking is een verrassend fenomeen waarbij een neuraal netwerk eerst zijn trainingsgegevens onthoudt, lange tijd op een validatienauwkeurigheid van bijna nul blijft, en dan...
GrondbeginselenOverfitting en onderfitting
Overfitting is wanneer een model zijn trainingsgegevens onthoudt en faalt bij nieuwe voorbeelden; Onderfitting is wanneer het te eenvoudig is om het echte patroon vast te leggen.
GrondbeginselenRegularisatie
Regularisatie is een reeks technieken die opzettelijk een model beperken, zodat het generaliseert naar nieuwe gegevens in plaats van de trainingsset te onthouden.
GrondbeginselenTerugpropagatie
Backpropagation is het algoritme waarmee een neuraal netwerk van zijn fouten kan leren door efficiënt te berekenen hoeveel elk gewicht heeft bijgedragen aan de fout.
GrondbeginselenGradiënt afdaling
Gradiëntdaling is de optimalisatiemethode die de gewichten van een model daadwerkelijk bergafwaarts beweegt in de richting van een lagere fout, stap voor stap.
GrondbeginselenVerliesfuncties
Een verliesfunctie is het enige getal dat een model vertelt hoe verkeerd zijn voorspellingen zijn, waardoor een vaag doel wordt omgezet in iets dat wiskunde kan optimaliseren.
GrondbeginselenActiveringsfuncties
Activeringsfuncties zijn de kleine niet-lineaire poorten in elk neuron waarmee neurale netwerken complexe, gebogen patronen kunnen leren in plaats van alleen maar rechte lijnen.
GrondbeginselenConvolutionele neurale netwerken
Convolutionele neurale netwerken (CNN's) zijn de werkpaardarchitectuur voor het begrijpen van beelden.
GrondbeginselenTerugkerende neurale netwerken
Recurrente neurale netwerken (RNN's) zijn gebouwd om reeksen zoals tekst, spraak en tijdreeksen te verwerken.
GrondbeginselenGeneratieve vijandige netwerken
Generatieve Adversarial Networks (GAN's) creëren realistische nieuwe gegevens door twee neurale netwerken tegen elkaar op te zetten in een wedstrijd.
Finished reading? Prove it.
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.