Sluten beta för vuxna · gratis
Lär dig AI utan att börja om
AI-grafen hittar vad du redan kan, vad du saknar och bygger kortaste vägen dit du vill — med labbar som testar din kod och bevis på att du kan det.
41 mål · 509 kunskapsnoder från grunderna till forskningsfronten · 29 laborationer · svenska och engelska
Välj din ingång
Jag är utvecklare →
Hoppa över det du kan. RAG, agenter, evals och finjustering — med labbar där tester avgör om koden håller.
Jag jobbar redan med AI →
Hitta luckorna och visa vad du kan: evals, agenter, drift och forskningsspåren på nivå F–G.
Produkt eller chef →
Förstå vad modellerna kan och inte kan, utan kod, på den nivå du behöver för att fatta beslut.
Jag börjar från noll →
Python, statistik och neuronnät i en ordning som bygger på sig själv. Diagnosen hittar var du står.
Så fungerar det
1. Välj mål
T.ex. «förstå generativ AI» eller «träna ett neuronnät». Målet bestämmer vilka kunskaper som behövs.
2. Diagnos
Frågor som söker längs förkunskapskedjan — du hoppar över det du kan och börjar där din första verkliga lucka finns.
3. Lärväg
Noder i rätt ordning. Varje nod har intuition, formler och kod. Vägen räknas om när du lär dig.
4. Behärskning
Inget räknas som kunnat för att du läst det. Övningar, förklaringar med egna ord och labbar med dolda tester avgör.
Diagnosen hittar din första lucka
Frågorna följer förkunskapskedjan bakåt från ditt mål. Resultatet visar vad du redan kan och var din väg börjar.
En lärväg som räknas om
Stegen ligger i den ordning kunskaperna bygger på varandra. Klarar du en nod går du vidare; fastnar du får du en omväg via det som saknas.
En handledare som inte ger bort svaret
AI-handledaren ställer motfrågor och ger ledtrådar i steg, utifrån nodens innehåll och källor.
Laborationer med riktiga tester
Skriv koden själv i webbläsaren eller i en sandlåda på servern. Testerna avgör om det håller — inte att det ser rätt ut.
Det yrkesverksamma lär sig här
Bygg ett RAG-system som går att lita på
EChunkning, retrieval-utvärdering, källhänvisning och grundning — hela kedjan från dokument till svar med spårbara källor.
Bygg en agent som går att lita på
FArkitektur, planering, observability, säkerhet och utvärdering — och kodagenten som får objektiv återkoppling från tester.
Evals i praktiken
FLLM som domare, regressionstester, statistisk signifikans och hur man värderar negativa resultat — mätning som håller mellan releaser.
Finjustera en modell med LoRA
FFörstå varför lågrangsadaptrar fungerar, välja target modules och rank, bygga ett dataset och utvärdera resultatet med evals.
Visa alla 41 mål
- BFörstå vad AI är — och vad den inte är
- DFörstå hur generativ AI fungerar
- DTräna ditt första neuronnät
- EBygg en transformer från grunden
- FBygg ett minnessystem för en agent
- GReproducera ett paper
- EBygg ett NLP-system end-to-end
- GFrontier Lab — självständigt forskningsprojekt
- CDatorer som ser och hör
- EBildklassificering med faltningsnät
- ETräna en agent med belöning
- EBygg en AI-tjänst som håller i drift
- FKör modeller billigare: kvantisering
- EMatematiken bakom modellerna
- CFrån block till Python
- DUtvecklarens verktygslåda
- ETräna neuronnät på riktigt
- DKlassisk maskininlärning i praktiken
- EStatistik för experiment
- ESpråkmodeller i praktiken
- CAI, etik och samhälle
- DData: samla, städa, dokumentera
- DDatavetenskapens grunder
- ESe och höra med AI
- EAI-tjänst i drift
- FFinjustera och driva egna modeller
- FAI-säkerhet i praktiken
- FGenerativa modeller i djupet
- FAI i produktion
- ESystemkunskap för AI-ingenjörer
- EKlassisk ML på riktigt
- FTolka en språkmodell
- EAnsvarsfull AI i praktiken
- FBygg ett röstgränssnitt
- GMultimodala system
- FDjup reinforcement learning
- DMatematikens språk i AI-texter
Vanliga frågor
Varför inte bara fråga ChatGPT?
En chattbot svarar bra på det du frågar. Den vet inte vad du redan kan, vad du saknar eller om du faktiskt lärde dig det den förklarade. AI-grafen håller reda på det, väljer nästa steg utifrån det och låter övningar och tester avgöra.
Vad betyder kompetensbeviset?
Det listar de kunskaper du visat att du behärskar, vilka slags belägg som ligger bakom och vilka labbar du klarat. Det är signerat och går att verifiera. Det är dokumenterad evidens — inte en formell merit.
Kan min arbetsgivare betala?
Ja. Team-planen faktureras organisationen per plats, och teamet får en samlad kompetenskarta. Under betan tar vi in ett fåtal team som pilot utan kostnad.
Vem är det för?
Vuxna som vill förstå eller arbeta med AI — från den som aldrig programmerat till den som vill reproducera forskningsartiklar. Diagnosen avgör var du börjar.
Behöver jag kunna programmera?
Nej. De tidiga målen kräver ingen kod, och det finns vägar som lär dig Python från början. Kod dyker upp när den behövs.
Vad kostar det?
Ingenting under betan. Vi säger till i god tid innan något ändras.
Vad händer med mina uppgifter?
De ligger på vår egen server, används bara för att ge dig tjänsten och förstå om den fungerar, och du kan exportera eller radera allt när du vill.
Hur kommer jag med i betan?
Betan är sluten och kräver en inbjudningskod. Skriv till [email protected] om du vill vara med. Diagnosen kan du prova direkt, utan konto.
Se var du står — på tio minuter
Välj ett mål och gör diagnosen utan att skapa konto. Du ser direkt vad du redan kan och var din väg skulle börja.