AI Foundations
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Free AI library
1019 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
1019 av 1019 guides shown. Filter by track or search above.
Lineær sondering tester hvor gode en forhåndstrente modells interne representasjoner er ved å fryse nettverket og trene kun en enkel lineær klassifikator på toppen.
Språk AISpekulativ sampling øker hastigheten på generering av store språkmodeller ved å la en liten "utkast"-modell gjette flere tokens fremover, og deretter la den store modellen verifisere ...
Språk AIEntropibasert sampling tilpasser hvordan en LLM velger sitt neste token basert på hvor usikker modellen er i det øyeblikket.
TechnicalDenseNet er et konvolusjonsnettverk der hvert lag mottar funksjonskartene for alle foregående lag som input.
TechnicalEn flaskehalsarkitektur presser data gjennom et smalt mellomlag før det utvides igjen, noe som tvinger nettverket til å lære seg kompakt, effektiv...
TechnicalGradientakkumulering lar deg simulere en stor batchstørrelse på begrenset GPU-minne ved å summere gradienter over flere små minibatcher før du oppdaterer...
GrunnleggendeTidlig stopp er en regulariseringsteknikk som stopper modelltrening i det øyeblikket ytelsen på holdte valideringsdata slutter å forbedre seg.
TechnicalTeacher forcing er et treningstriks for sekvensmodeller der den sanne forrige token, ikke modellens egen gjetning, mates inn som neste input.
TechnicalEksponeringsskjevhet er gapet som oppstår når en modell som kun er trent på perfekte prefikser, ved slutning må betinge seg på sine egne ufullkomne utdata.
TechnicalFocal loss er en modifisert tapsfunksjon som nedvekter enkle eksempler slik at en detektor kan fokusere på de harde, sjeldne.
GrunnleggendeMomentum er en tilpasning til gradientnedstigning som akkumulerer et løpende gjennomsnitt av tidligere gradienter, slik at optimalisering ruller raskere gjennom daler og demper...
GrunnleggendeNesterov Accelerated Gradient (NAG) er en smartere form for momentum som kikker fremover før den beregner gradienten, og gir den et korrigerende blikk fremover.
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.