Free AI library

Technical guiderFree forever.

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.

177Gratis guider
1Topic tracks
~2 minPer guide
~6hReading 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

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

Technical

Disaggregerad förfyllning och avkodning

En betjänande arkitektur som delar upp stora språkmodeller i två separata faser – förfyllning och avkodning – och kör dem på olika pooler av GPU:er.

2 min readLäs
Technical

LLM Inference Routing och lastbalansering

Kontrollskiktet som bestämmer vilken modellreplik, GPU eller backend som ska hantera varje inkommande LLM-förfrågan och hur trafik ska spridas så att ingen enskild server är...

2 min readLäs
Technical

Tensorparallellism för stora modeller

Ett sätt att dela upp matematiken i ett enda neuralt nätverkslager över flera GPU:er så att en modell som är för stor för en enhet fortfarande kan köras.

2 min readLäs
Technical

Självreflektion i Agent Loops

Självreflektion låter en AI-agent kritisera sina egna resultat och handlingar mitt i uppgiften och sedan revidera baserat på den kritiken.

2 min readLäs
Technical

Tanketrädets resonemang

Tree-of-Thoughts låter en modell utforska många resonemangsvägar parallellt, som grenar på ett träd, istället för att förbinda sig till en tankegång.

2 min readLäs
Technical

Graf-av-tankar resonemang

Graph-of-Thoughts modellerar resonemang som ett nätverk där tankar kan smälta samman, loopa och ansluta fritt, inte bara förgrena sig.

2 min readLäs
Technical

Klassobalans och omsampling

Klassobalans är när ett resultat är betydligt fler än ett annat – som 99,9 % legitima transaktioner mot 0.

2 min readLäs
Technical

Autokodare

En autoencoder är ett neuralt nätverk som lär sig att komprimera data till en kompakt kod och sedan rekonstruera den, vilket tvingar nätverket att bara fånga det mest...

2 min readLäs
Technical

Siamesiska nätverk och triplettförlust

Siamesiska nätverk använder två eller flera identiska, viktdelningsgrenar för att lära sig hur lika två ingångar är, snarare än att klassificera var och en.

2 min readLäs
Technical

Multi-Task Learning

Multi-task learning tränar en modell för att utföra flera relaterade uppgifter samtidigt och dela interna representationer över dem.

2 min readLäs
Technical

Konform förutsägelse

Konform förutsägelse omsluter vilken modell som helst för att mata ut en uppsättning eller ett intervall som garanterat innehåller det sanna svaret med en vald sannolikhet, som 90 %.

2 min readLäs
Technical

Sannolikhetskalibrering

Kalibrering betyder att en modells angivna sannolikheter stämmer överens med verkligheten: när det står 70 % bör händelsen inträffa cirka 70 % av tiden.

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