Free AI library

Grunderna guiderFree forever.

84 plain-English guides, structured learning paths, and an open library — built by an independent 501(c)(3) nonprofit so anyone can understand modern AI.

84Gratis guider
1Topic tracks
~2 minPer guide
~3hReading time

Börja här

Five outcome-based courses

Each course includes explicit outcomes, mapped competencies, practice activities, and an applied capstone.

Topic tracks

Browse by track

Jump into the area you care about. Every track has multiple plain-English guides.

GrundernaCore concepts: how AI works at a high level.84 guider Språk AILLMs, NLP, ChatGPT, prompting, and text understanding.155 guider Visuell AIImage generation, computer vision, video, and design.133 guider Audio AIVoice, music, podcasting, and audio-first AI.117 guider CompaniesProfiles of OpenAI, Anthropic, Google, Meta, and more.121 guider AnsökningarHow AI shows up in coding, search, agents, and daily life.111 guider IndustriesAI in healthcare, finance, education, energy, and more.91 guider TechnicalChips, fine-tuning, RAG, vectors, and AI infrastructure.177 guider SocietyBias, privacy, copyright, safety, and the AI future.30 guider

Full library

All guides

84 av 1019 guides shown. Filter by track or search above.

Grunderna

Självspel finjustering

Finjustering av självspel förbättrar en modell genom att låta den tävla mot eller lära av sina egna tidigare resultat och generera sin egen träningssignal.

2 min readLäs
Grunderna

Test-Time Training

Test-time training (TTT) låter en modell fortsätta att lära sig av varje ny inmatning i det ögonblick den gör en förutsägelse, istället för att förbli frusen efter träning.

2 min readLäs
Grunderna

Grokking och försenad generalisering

Grokking är ett häpnadsväckande fenomen där ett neuralt nätverk först memorerar sina träningsdata, sitter på nära noll valideringsnoggrannhet under lång tid, och sedan...

2 min readLäs
Grunderna

Över- och undermontering

Överanpassning är när en modell memorerar sina träningsdata och misslyckas med nya exempel; underfitting är när det är för enkelt att fånga det verkliga mönstret.

2 min readLäs
Grunderna

Regularisering

Regularisering är en uppsättning tekniker som medvetet begränsar en modell så att den generaliserar till nya data istället för att memorera träningsuppsättningen.

2 min readLäs
Grunderna

Backpropagation

Backpropagation är algoritmen som låter ett neuralt nätverk lära sig av sina misstag genom att effektivt beräkna hur mycket varje vikt bidrog till felet.

2 min readLäs
Grunderna

Gradient Descent

Gradientnedstigning är optimeringsmetoden som faktiskt flyttar en modells vikter nedåt mot lägre fel, ett litet steg i taget.

2 min readLäs
Grunderna

Förlustfunktioner

En förlustfunktion är det enda tal som talar om för en modell hur felaktiga dess förutsägelser är, att förvandla ett vagt mål till något matematik kan optimera.

2 min readLäs
Grunderna

Aktiveringsfunktioner

Aktiveringsfunktioner är de små olinjära grindarna inuti varje neuron som låter neurala nätverk lära sig komplexa, krökta mönster istället för bara raka linjer.

2 min readLäs
Grunderna

Konvolutionella neurala nätverk

Convolutional Neural Networks (CNN) är arbetshästens arkitektur för att förstå bilder.

2 min readLäs
Grunderna

Återkommande neurala nätverk

Recurrent Neural Networks (RNN) är byggda för att hantera sekvenser som text, tal och tidsserier.

2 min readLäs
Grunderna

Generativa kontradiktoriska nätverk

Generative Adversarial Networks (GAN) skapar realistisk ny data genom att ställa två neurala nätverk mot varandra i en tävling.

2 min readLäs

Finished reading? Prove it.

Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.

Test what you learnedGet certifiedDoneraLäs om vårt uppdrag