AI Foundations
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Free AI library
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.
Börja här
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
84 av 1019 guides shown. Filter by track or search above.
Diffusionsmodeller genererar bilder genom att lära sig att vända en brusprocess och förvandla slumpmässig statisk till detaljerade bilder steg för steg.
GrundernaFå-shot-inlärning är förmågan att lära sig en ny uppgift från bara en handfull exempel istället för tusentals.
GrundernaInbäddningar gör ord, bilder eller annan data till listor med siffror (vektorer) så att liknande saker hamnar nära varandra i ett högdimensionellt utrymme.
GrundernaTokenisering är steget som skär text i mindre bitar som kallas tokens, de enheter som en språkmodell faktiskt läser och förutsäger.
GrundernaFunktionsteknik är hantverket att omvandla rådata till informativa indata (funktioner) som hjälper en modell att lära sig.
GrundernaEtt beslutsträd gör förutsägelser genom att ställa en rad enkla ja/nej-frågor, som ett flödesschema.
GrundernaEn stödvektormaskin (SVM) är en klassisk algoritm som separerar två grupper genom att dra bredast möjliga gräns mellan dem.
GrundernaDimensionalitetsreduktion krymper data från många kolumner (funktioner) till ett fåtal samtidigt som den viktiga strukturen behålls.
GrundernaTransfer learning återanvänder en modell som redan tränats på en stor datamängd och anpassar den till en ny, relaterad uppgift.
GrundernaSjälvövervakad inlärning tränar modeller på omärkta data genom att uppfinna en uppgift vars svar är gömt i själva datan.
GrundernaSemi-övervakat lärande tränar på en liten mängd märkt data plus en stor pool av omärkt data.
GrundernaAnomalidetektering är praxis att lära maskiner att flagga datapunkter som avviker kraftigt från normala mönster.
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.