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.
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
177 av 1019 guides shown. Filter by track or search above.
Prompt security addresses attempts to make a language-model application treat untrusted content as instructions or disclose information it should protect.
TechnicalAI data governance assigns responsibility and rules for how data is collected, used, shared, retained, and corrected throughout an AI system.
TechnicalAI cloud architecture organizes compute, storage, networking, models, and application services into an operating system for an AI workload.
TechnicalBYOL (Bootstrap Your Own Latent) lär sig användbara bildrepresentationer utan några etiketter och, överraskande nog, utan negativa exempel.
TechnicalBarlow Twins är en självövervakad metod som lär sig representationer genom att göra korskorrelationsmatrisen mellan två utökade vyer nära identiteten ...
TechnicalPseudo-märkning är en semi-övervakad teknik där en modell tränad på en liten märkt uppsättning genererar sina egna etiketter för omärkta data och sedan tränar på dessa...
TechnicalKonsistensregularisering lär en modell att ge samma svar när en omärkt input störs på små, etikettbevarande sätt.
TechnicalHård parameterdelning är den klassiska multi-task-inlärningsdesignen där flera uppgifter delar samma dolda lager och bara delas upp i separata "output"-huvuden...
TechnicalGating och routing låter ett neuralt nätverk endast aktivera de delar det behöver för varje ingång istället för att köra hela modellen varje gång.
TechnicalGumbel-Softmax är ett trick som låter neurala nätverk "sampla" från diskreta kategorier samtidigt som det går att träna med gradientnedstigning.
TechnicalStraight-Through Estimator (STE) är ett enkelt trick för att träna nätverk som innehåller hårda, icke-differentiera steg som avrundning eller tröskel.
TechnicalEtt dubbelriktat återkommande nätverk läser en sekvens både framåt och bakåt, så varje positions representation bygger på sammanhang från det förflutna och framtiden.
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.