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.
En serveringsarkitektur som deler store språkmodellslutninger i to separate faser – forhåndsutfylling og dekode – og kjører dem på forskjellige grupper av GPUer.
TechnicalKontrolllaget som bestemmer hvilken modellreplika, GPU eller backend som skal håndtere hver innkommende LLM-forespørsel, og hvordan trafikken skal spres slik at ingen enkelt server er...
TechnicalEn måte å dele matematikken på i et enkelt nevralt nettverkslag på tvers av flere GPUer, slik at en modell som er for stor for én enhet fortsatt kan kjøres.
TechnicalSelvrefleksjon lar en AI-agent kritisere sine egne resultater og handlinger midt i oppgaven, og deretter revidere basert på den kritikken.
TechnicalTree-of-Thoughts lar en modell utforske mange resonneringsveier parallelt, som grener av et tre, i stedet for å forplikte seg til én tankelinje.
TechnicalGraph-of-Thoughts modellerer resonnement som et nettverk der tanker kan smelte sammen, sløyfe og koble seg fritt, ikke bare forgrene seg.
TechnicalKlasseubalanse er når ett utfall er langt større enn et annet – som 99,9 % legitime transaksjoner mot 0.
TechnicalEn autoencoder er et nevralt nettverk som lærer å komprimere data til en kompakt kode og deretter rekonstruere dem, noe som tvinger nettverket til å fange opp bare det meste...
TechnicalSiamesiske nettverk bruker to eller flere identiske, vektdelingsgrener for å lære hvor like to innganger er, i stedet for å klassifisere hver enkelt.
TechnicalFleroppgavelæring trener én modell til å utføre flere relaterte oppgaver samtidig, og deler interne representasjoner på tvers av dem.
TechnicalKonform prediksjon omslutter enhver modell for å gi ut et sett eller intervall som garantert inneholder det sanne svaret med en valgt sannsynlighet, for eksempel 90 %.
TechnicalKalibrering betyr at modellens oppgitte sannsynligheter stemmer overens med virkeligheten: når den sier 70 %, bør hendelsen skje omtrent 70 % av tiden.
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.