AI Foundations
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Free AI library
177 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
177 av 1019 guides shown. Filter by track or search above.
BitNet er Microsofts forskningslinje som viser at store språkmodeller kan trenes med vekter begrenset til bare 1 bit, eller tre verdier ...
TechnicalGPTQ og AWQ er to ledende metoder for å krympe allerede trente språkmodeller til 4-bits presisjon slik at de kjører på billigere, mindre maskinvare.
TechnicalROUGE og BLEU er arbeidshestens automatiske beregninger for å sammenligne maskingenerert tekst med menneskelige referanser.
TechnicalSpekulativ RAG øker hastigheten på og skjerper gjenfinningsforsterket generasjon ved å la en liten, rask modell utarbeide flere kandidatsvar fra hentede...
TechnicalBlokkert sparsom og innfødt sparsom oppmerksomhet lar transformatorer ta vare på bare de mest relevante delene av en lang sekvens i stedet for hver token, slashing ...
TechnicalVannmerking bygger inn et skjult statistisk signal i AI-generert tekst, slik at den senere kan oppdages som maskinskrevet, uten å endre hva en menneskelig leser ...
TechnicalSpekulativ dekoding øker hastigheten på store språkmodellslutninger ved å la en liten utkastmodell gjette flere tokens fremover, som den store modellen så bekrefter ...
TechnicalPåvirkningsfunksjoner anslår hvor mye hvert treningseksempel formet en modells prediksjon, slik at du kan spore en utgang tilbake til dataene som forårsaket den.
TechnicalBatchnormalisering er en teknikk som omskalerer inngangene til hvert lag i et nevralt nettverk under trening, noe som får dype nettverk til å trene raskere og mer...
TechnicalHyperparametere er innstillingene du velger før trening, som læringshastighet eller modellstørrelse, som modellen ikke lærer av seg selv.
TechnicalKontrastiv læring lærer en modell å trekke lignende ting sammen og skyve forskjellige ting fra hverandre i et innebygd rom.
TechnicalRLHF er teknikken som gjør en rå språkmodell til en hjelpsom, høflig assistent ved å trene den på menneskelige preferanser.
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.