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.
Deteksjon av modelldrift er praksisen med å overvåke en utplassert maskinlæringsmodell for å fange opp når nøyaktigheten forringes rolig fordi den virkelige verden har...
TechnicalA/B-testing for ML-modeller betyr å dirigere live trafikk til to modellversjoner samtidig og måle hvilken som faktisk presterer best på ekte brukere og ekte...
TechnicalModellserialisering er hvordan en trent maskinlæringsmodell blir lagret på disk, slik at den kan lastes inn og kjøres senere, på en annen maskin eller i en annen...
TechnicalBlandet presisjonstrening øker hastigheten på nevrale nettverkstrening og reduserer minnebruken ved å utføre mesteparten av matematikk i 16-bit flytepunkt i stedet for 32-bit.
TechnicalSpekulativ dekoding gjør at store språkmodeller genererer tekst raskere ved å bruke en liten, rask "utkast"-modell for å gjette flere tokens fremover, og deretter ha den store...
TechnicalKV-cachen lagrer nøklene og verdiene en transformator allerede har beregnet, slik at den ikke fungerer på nytt for hver ny token - men den kan gå i gigabyte.
TechnicalFlash Attention er en smart måte å beregne oppmerksomhetssteget inne i Transformers uten å skrive den gigantiske oppmerksomhetsmatrisen til tregt minne.
TechnicalModellbeskjæring krymper et nevralt nettverk ved å fjerne vekter eller hele strukturer som bidrar lite til produksjonen.
TechnicalTokenisering deler tekst i de små enhetene en språkmodell faktisk leser, og byteparkoding (BPE) er den populære metoden for å bygge...
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.