Börja här
Nybörjare · 4 moduler
AI-grunder
Förstå vad AI är, hur system lär sig, var de misslyckas och hur man bedömer påståenden utan överdrift.
~4h att slutföraVisa banan
Gratis AI-bibliotek
Lär dig AI. Fri för alltid.
1657 enkla guider, strukturerade inlärningsvägar och ett öppet bibliotek — byggt av en oberoende 501(c)(3) ideell organisation så att vem som helst kan förstå modern AI.
- 1657Gratis guider
- 9Ämnesspår
- ~3 minEnligt guide
- ~74hLästid
Börja här
Fem Resultatbaserade kurser
Varje kurs innehåller explicita resultat, kartlagda kompetenser, övningsaktiviteter och en tillämpad capstone.
Nybörjare · 4 moduler
Ansvarig AI-användare
Använd AI produktivt samtidigt som integriteten skyddas, resultaten kontrolleras och mänskligt ansvar bevaras.
~5h att slutföraVisa bananMellannivå · 4 moduler
AI på jobbet
Utvärdera arbetsplatsanvändningsfall, kör säkra piloter, mät värde och kommunicera förändringar ansvarsfullt.
~6h att slutföraVisa bananMellannivå · 4 moduler
AI Policy & Samhälle
Analysera AI-system genom rättigheter, rättvisa, styrning, säkerhet och resultat i allmänintresset.
~6h att slutföraVisa bananMellannivå · 4 moduler
Bygga med AI-system
Förstå språkmodeller, återhämtning, agenter, utvärdering, kostnad och implementeringsskydd genom praktisk systemdesign.
~8h att slutföraVisa banan
Ämnesspår
Bläddra efter spår
Hoppa in i det område du bryr dig om. Varje bana har flera enkla guider.
- 91 guiderGrundernaKärnkoncept: hur AI fungerar på en övergripande nivå.Utforska
- 177 guiderSpråk AILLM:er, NLP, ChatGPT, prompting och textförståelse.Utforska
- 170 guiderVisuell AIBildgenerering, datorseende, video och design.Utforska
- 124 guiderLjud-AIRöst, musik, podcasting och AI-fokus på ljud.Utforska
- 123 guiderFöretagProfiler av OpenAI, Anthropic, Google, Meta och fler.Utforska
- 346 guiderAnsökningarHur AI visar sig i kodning, sökning, agenter och vardagslivet.Utforska
- 165 guiderIndustrierAI inom hälso- och sjukvård, finans, utbildning, energi och mer.Utforska
- 319 guiderTeknisktChip, finjustering, RAG, vektorer och AI-infrastruktur.Utforska
- 142 guiderSamhälleBias, integritet, upphovsrätt, säkerhet och AI:s framtid.Utforska
Fullständigt bibliotek
Alla guider
1657 av 1657 Guider visas. Filtrera efter spår eller sök ovan.
- TeknisktHidden Technical Debt in ML SystemsML systems can accumulate technical debt beyond ordinary code complexity because models depend on changing data, features, pipelines and feedback loops.3 min-läsningLäs
- TeknisktLjudfunktionsextraktion med LibrosaLibrosa is a Python library for loading audio and computing signal features such as spectrograms, MFCCs, chroma, and onset strength.3 min-läsningLäs
- TeknisktML Monitoring with Prometheus and GrafanaPrometheus can collect numeric time-series metrics exposed by model services, while Grafana visualizes those metrics in dashboards and alerts.3 min-läsningLäs
- TeknisktML Supply Chain Security och modellsigneringSäkerhet i ML-försörjningskedjan skyddar kod, beroenden, datauppsättningar och modellartefakter från manipulering eller opålitliga källor under hela bygget och driftsättningen.3 min-läsningLäs
- TeknisktMLOps MognadsnivåerMLOps maturity models describe how teams evolve from manual model development toward repeatable automation for testing, deployment and retraining.3 min-läsningLäs
- TeknisktModellvalideringsportar före implementeringModel validation gates are explicit checks a candidate must pass before it can move into a higher-risk deployment stage.3 min-läsningLäs
- TeknisktPitch Shifting och Time StretchingFörändringar av tonhöjdsförskjutning uppfattade grundfrekvensen samtidigt som man strävar efter att bevara varaktigheten, medan tidssträckning ändrar varaktigheten samtidigt som man strävar efter att bevara...3 min-läsningLäs
- TeknisktFörutsägelseloggning och inferensdatainsamlingPrediction logging records enough context to audit, debug and later evaluate model decisions, including timestamps, model versions, inputs or privacy-safe…3 min-läsningLäs
- TeknisktPython Dependency Management for MLPython dependency management records which interpreters and packages an ML project needs and how those versions are resolved for each environment.3 min-läsningLäs
- TeknisktTerraform for ML InfrastructureTerraform describes cloud infrastructure as code and creates or updates resources by comparing configuration with recorded state and provider APIs.3 min-läsningLäs
- TeknisktTriton Language for Custom GPU KernelsTriton is a Python-based language and compiler for writing GPU kernels in terms of blocks of elements rather than individual hardware threads.3 min-läsningLäs
- TeknisktEnhetstestning av maskininlärningskodUnit tests for ML code check small, deterministic parts of the pipeline such as preprocessing, tensor shapes, loss calculations and prediction interfaces.3 min-läsningLäs
Färdigläst? Bevisa det.
Kolla vad du lärde dig med ett ämnesquiz, utforska sedan våra strukturerade kurser eller arbeta mot ett certifikat. Varje guide är gratis att läsa.