Free AI library

Grunnleggende guiderFree forever.

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.

84Gratis guider
1Topic tracks
~2 minPer guide
~3hReading time

Start her

Five outcome-based courses

Each course includes explicit outcomes, mapped competencies, practice activities, and an applied capstone.

Topic tracks

Browse by track

Jump into the area you care about. Every track has multiple plain-English guides.

Full library

All guides

84 av 1019 guides shown. Filter by track or search above.

Grunnleggende

Meta-Læring

Meta-læring, eller "lære å lære", trener modeller til å tilpasse seg raskt til helt nye oppgaver fra bare en håndfull eksempler.

2 min readLes
Grunnleggende

Ensemblemetoder og gradientforsterkning

Ensemblemetoder kombinerer mange enkle modeller slik at gruppen gjør bedre spådommer enn noen enkelt modell.

2 min readLes
Grunnleggende

Bayesiansk dyp læring

Bayesiansk dyp læring behandler et nevralt nettverks vekter som sannsynlighetsfordelinger i stedet for faste tall, slik at modellen kan si hvor sikker den er.

2 min readLes
Grunnleggende

Læreplanlæring

Læreplanlæring trener AI-modeller på eksempler i en bevisst rekkefølge - enkelt først, vanskelig senere - i stedet for å mate data i tilfeldig rekkefølge.

2 min readLes
Grunnleggende

Nevral arkitektur søk

Neural Architecture Search (NAS) automatiserer utformingen av nevrale nettverksstrukturer - lar algoritmer, ikke mennesker, bestemme hvor mange lag, hvilke operasjoner ...

2 min readLes
Grunnleggende

Kontinuerlig læring og katastrofal glemsel

Kontinuerlig læring er målet med å trene AI på en strøm av nye oppgaver over tid uten å slette det den allerede vet.

2 min readLes
Grunnleggende

Varierende autoenkodere

Variasjonsautokodere (VAE) er generative nevrale nettverk som lærer å komprimere data til et jevnt, sannsynlig latent rom og deretter rekonstruere ...

2 min readLes
Grunnleggende

State Space Models og Mamba

Tilstandsrommodeller (SSM) er sekvensmodeller som bærer informasjon videre gjennom en komprimert skjult tilstand, og skalerer lineært med sekvenslengde i stedet...

2 min readLes
Grunnleggende

Graf nevrale nettverk

Grafnevrale nettverk (GNN) er modeller som lærer direkte på grafstrukturerte data - noder forbundet med kanter - ved å sende og aggregere informasjon ...

2 min readLes
Grunnleggende

Multi-Agent Reinforcement Learning

Multi-Agent Reinforcement Learning (MARL) trener flere læringsagenter som deler et miljø, og hver tilpasser sin oppførsel mens de andre tilpasser seg også.

2 min readLes
Grunnleggende

Aktiv læring

Aktiv læring er en treningsstrategi der modellen selv velger hvilke umerkede eksempler et menneske skal merke neste gang.

2 min readLes
Grunnleggende

Dataforsterkning

Dataforsterkning utvider et treningssett kunstig ved å lage modifiserte kopier av eksisterende eksempler – som å snu eller beskjære bilder.

2 min readLes

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.

Fundamentals AI Guides — Page 7 of 7 | AI Understanding