AI Foundations
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Free AI library
84 plain-English guides, structured learning paths, and an open library — built by an independent 501(c)(3) nonprofit so anyone can understand modern AI.
Start her
Each course includes explicit outcomes, mapped competencies, practice activities, and an applied capstone.
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Use AI productively while protecting privacy, checking outputs, and preserving human accountability.
Evaluate workplace use cases, run safe pilots, measure value, and communicate changes responsibly.
Analyze AI systems through rights, equity, governance, safety, and public-interest outcomes.
Understand language models, retrieval, agents, evaluation, cost, and deployment safeguards through practical system design.
Topic tracks
Jump into the area you care about. Every track has multiple plain-English guides.
Full library
84 av 1019 guides shown. Filter by track or search above.
Meta-læring, eller "lære å lære", trener modeller til å tilpasse seg raskt til helt nye oppgaver fra bare en håndfull eksempler.
GrunnleggendeEnsemblemetoder kombinerer mange enkle modeller slik at gruppen gjør bedre spådommer enn noen enkelt modell.
GrunnleggendeBayesiansk dyp læring behandler et nevralt nettverks vekter som sannsynlighetsfordelinger i stedet for faste tall, slik at modellen kan si hvor sikker den er.
GrunnleggendeLæreplanlæring trener AI-modeller på eksempler i en bevisst rekkefølge - enkelt først, vanskelig senere - i stedet for å mate data i tilfeldig rekkefølge.
GrunnleggendeNeural Architecture Search (NAS) automatiserer utformingen av nevrale nettverksstrukturer - lar algoritmer, ikke mennesker, bestemme hvor mange lag, hvilke operasjoner ...
GrunnleggendeKontinuerlig læring er målet med å trene AI på en strøm av nye oppgaver over tid uten å slette det den allerede vet.
GrunnleggendeVariasjonsautokodere (VAE) er generative nevrale nettverk som lærer å komprimere data til et jevnt, sannsynlig latent rom og deretter rekonstruere ...
GrunnleggendeTilstandsrommodeller (SSM) er sekvensmodeller som bærer informasjon videre gjennom en komprimert skjult tilstand, og skalerer lineært med sekvenslengde i stedet...
GrunnleggendeGrafnevrale nettverk (GNN) er modeller som lærer direkte på grafstrukturerte data - noder forbundet med kanter - ved å sende og aggregere informasjon ...
GrunnleggendeMulti-Agent Reinforcement Learning (MARL) trener flere læringsagenter som deler et miljø, og hver tilpasser sin oppførsel mens de andre tilpasser seg også.
GrunnleggendeAktiv læring er en treningsstrategi der modellen selv velger hvilke umerkede eksempler et menneske skal merke neste gang.
GrunnleggendeDataforsterkning utvider et treningssett kunstig ved å lage modifiserte kopier av eksisterende eksempler – som å snu eller beskjære bilder.
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.