AI från grunden
En komplett kurs i artificiell intelligens, från matematiken hela vägen till LLM:er, agenter och MCP. Trettio kapitel, vart och ett värt att läsa på egen hand.
Perceptronen från grunden: vad ett neuron beräknar
Ett neuron är en viktad summa och en tröskel. Det är hela idén — och dess gränser drev fram allt som kom efter.
Var en förlustfunktion kommer ifrån: likelihood, inte konvention
Kvadratfel är ingen konvention. Det är ett påstående om bruset, och du kan se när det är fel.
Nedför: gradient descent och de två steg alla hoppar över
Alla skriver minustecknet. Nästan ingen säger varför det finns där, eller hur stort steg det tål.
Klassificering, cross-entropy och hur du inte lurar dig själv
Accuracy är det enklaste talet att rapportera – och det enklaste att bli lurad av.
Backpropagation från grunden: först motorn, sedan nätverket
Backpropagation är inte en algoritm för neurala nätverk. Det är kedjeregeln, tillämpad på en graf, i den effektiva riktningen.
Att få den att träna och att få den att generalisera
Gradienten är korrekt och nätverket lär sig ändå inte. Det här kapitlet handlar om skillnaden.
Bygg en BPE Tokenizer: Därför kan din modell inte räkna r:en
Modellen ser aldrig bokstäver. Allt märkligt med hur den stavar, räknar och gör indrag följer av det.
Next-token prediction: embedding och vad perplexity betyder
Ett mål, inga etiketter och en tabell med vektorer som ingen designade.
Attention och transformer-blocket, härlett från ett genomsnitt
Attention är ingen formel att bara acceptera. Det är vad du får när du slutar med enhetliga genomsnitt av det förflutna och låter modellen välja vikterna.
Pretraining av en LLM: data, compute, scaling laws och kostnad
De återstående besluten är inte programmeringsbeslut. De är inköp.
Från basmodell till assistent: SFT, RLHF, DPO och GRPO
En förtränad modell besvarar inte frågor. Den fortsätter text — och skillnaden är ett andra träningssteg som ingen ser.
Chain of Thought, RLVR och Test-Time Compute, uppmätt
En modell tänker inte. Den spenderar fler tokens innan den svarar, och det är mätbart och fakturerbart.
Gör inference billig: KV cache, batching och kvantisering
Generation är inte ett problem. Den börjar med en compute-bound första token och följs av tusentals memory-bound tokens.
Ditt första LLM-anrop i produktion: streaming, retries, timeouts
Modellen finns nu bakom en port. Nästan inget som går fel härifrån är matematik.
Prompt engineering, uppmätt: vad som ändrar output
En prompt mäts, den debatteras inte. Fyra varianter över tjugo fall skiljer ingenting alls.
Context window, tokens och räkningen – uppmätt
Fönstret är inte minne. Det fylls på från början vid varje anrop, och du betalar för påfyllningen.
Temperatur, top-p och determinismen du inte har
Temperatur gör inte en modell mer kreativ. Den höjer sannolikheten för tokens som modellen själv rankade längst ned — och du kan se det hända.
Tool Calling och structured outputs: kontraktet som håller
Modellen exekverar aldrig något. Den ber om det, i en form du har definierat, och formen är det enda du kontrollerar.
RAG i produktion: chunking, retrieval och ärliga källhänvisningar
Dålig chunking förstör svaret innan sökningen börjar, och ingen reranker räddar det.
Fine-tuning, retrieval eller prompt? Beslutet är ekonomiskt
Ingen ställer den här frågan om modellen. De ställer den om en budget.
Multimodal prissättning: vad bilder, ljud och video faktiskt debiterar
Ett fotografi kostar inte ett fotografi. Det kostar tokens, enligt en formel du inte valde.
Vad en AI-agent är: fem klassiska typer, två rivaliserande definitioner
Ett tool i katalogen gjorde ett call till två och 39 input token till 420. Om det gjorde den till en agent beror på vilken definition du öppnar.
Bygg en agent harness: loopen och de fem vägarna ut
Loopen är femton rader. Allt som gör den redo att skeppa är ett sätt att lämna den.
Context Engineering: Därför blir din agent dummare vid tur 40
Fönstret svämmade inte över. Faktumet flyttade bara, och agent slutade hitta det.
Multi-agent-orkestrering: fem mönster och när ett vinner
Fyra upplägg, en uppgift, en nota. Det billigaste hade fel och det dyraste kunde inte kontrollera sina egna workers.
MCP förklarat mot specifikationen: vad en server egentligen är
Det är inte magi. Det är en transport, ett meddelandeformat och tre primitiver — och du kan skriva det för hand.
Lansera en MCP server: TypeScript och Python, mätt
Två SDK:er, samma wire. De intressanta skillnaderna är de som protokollet inte kan se.
Agent Skills och SKILL.md: stegvis exponering, mätt
En skill är en mapp med en Markdown-fil i. Allt intressant följer av vilken del av filen som läses, och när.
LLM-utvärdering: från offentliga benchmarks till ditt golden set
Ett tal utan intervall är en anekdot med decimaler.
Prompt injection och den dödliga trifektan: säkra en verklig agent
Modellen kan inte skilja din instruktion från en främlings. Allt som fungerar bygger på att acceptera det.