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.
Meta-lära, eller "lära sig att lära", tränar modellerna att snabbt anpassa sig till helt nya uppgifter från endast en handfull exempel.
GrundernaEnsemblemetoder kombinerar många enkla modeller så att gruppen gör bättre förutsägelser än någon enskild modell.
GrundernaBayesiansk djupinlärning behandlar ett neuralt nätverks vikter som sannolikhetsfördelningar snarare än fasta tal, så modellen kan säga hur säker den är.
GrundernaLäroplansinlärning tränar AI-modeller på exempel i en avsiktlig ordning - enkelt först, svårt senare - istället för att mata data i slumpmässig ordning.
GrundernaNeural Architecture Search (NAS) automatiserar utformningen av neurala nätverksstrukturer – låter algoritmer, inte människor, bestämma hur många lager, vilka operationer...
GrundernaKontinuerligt lärande är målet att träna AI på en ström av nya uppgifter över tid utan att radera vad den redan vet.
GrundernaVariationsautokodare (VAE) är generativa neurala nätverk som lär sig att komprimera data till ett smidigt, probabilistiskt latent utrymme och sedan rekonstruera...
GrundernaTillståndsrumsmodeller (SSM) är sekvensmodeller som för information vidare genom ett komprimerat dolt tillstånd, skalas linjärt med sekvenslängd istället...
GrundernaGrafneurala nätverk (GNN) är modeller som lär sig direkt på grafstrukturerade data - noder sammankopplade av kanter - genom att skicka och aggregera information ...
GrundernaMulti-Agent Reinforcement Learning (MARL) tränar flera lärande agenter som delar en miljö, var och en anpassar sitt beteende medan de andra anpassar sig också.
GrundernaAktivt lärande är en träningsstrategi där modellen själv väljer vilka omärkta exempel en människa ska märka härnäst.
GrundernaDataökning utökar på konstgjord väg en träningsuppsättning genom att skapa modifierade kopior av befintliga exempel – som att vända eller beskära bilder.
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.