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.
Prompt security addresses attempts to make a language-model application treat untrusted content as instructions or disclose information it should protect.
TechnicalAI data governance assigns responsibility and rules for how data is collected, used, shared, retained, and corrected throughout an AI system.
TechnicalAI cloud architecture organizes compute, storage, networking, models, and application services into an operating system for an AI workload.
TechnicalBYOL (Bootstrap Your Own Latent) lærer nyttige bilderepresentasjoner uten noen etiketter og, overraskende nok, uten negative eksempler.
TechnicalBarlow Twins er en selvovervåket metode som lærer representasjoner ved å lage krysskorrelasjonsmatrisen mellom to utvidede visninger nær identiteten ...
TechnicalPseudo-merking er en semi-overvåket teknikk der en modell trent på et lite merket sett genererer sine egne etiketter for umerkede data, og deretter trener på disse...
TechnicalKonsistensregularisering lærer en modell å gi det samme svaret når en umerket input blir forstyrret på små, etikettbevarende måter.
TechnicalHard parameter deling er det klassiske multi-task læringsdesignet der flere oppgaver deler de samme skjulte lagene og bare deles inn i separate utdata "hoder" ...
TechnicalGating og ruting lar et nevralt nettverk aktivere bare delene det trenger for hver inngang i stedet for å kjøre hele modellen hver gang.
TechnicalGumbel-Softmax er et triks som lar nevrale nettverk "sample" fra diskrete kategorier mens de fortsatt kan trenes med gradientnedstigning.
TechnicalStraight-Through Estimator (STE) er et enkelt triks for å trene nettverk som inneholder harde, ikke-differensierbare trinn som avrunding eller terskel.
TechnicalEt toveis tilbakevendende nettverk leser en sekvens både fremover og bakover, slik at hver posisjons representasjon trekker på kontekst fra fortiden og fremtiden.
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.