Lær AI: kod & byg
Lær AI: kod & byg — Et AI-kursus i Python til din telefon, fra din første kodelinje til LLMs
Lær AI: kod & byg er et gratis AI-kursus til iOS og Android for komplette begyndere, studerende og folk, der skifter karriere. Du lærer kunstig intelligens gennem Python – fra din første kodelinje. 53 kurser tager dig fra variabler og løkker til neurale netværk, computer vision og store sprogmodeller. Du får også en indbygget kodeeditor og en AI Mentor, der forklarer et begreb, du sidder fast i — tensor, gradient, overfitting — på få sekunder.
- Pris
- Gratis, Pro valgfrit
- Platforme
- iOS og Android
- Sprog
- 22
- Aldersbedømmelse
- 4+
- Kræver
- iOS 15.1 eller nyere
- App Store
- 3.4 ★ (5)


Du kan ikke lære AI uden først at lære at kode.
Alle AI-teknikker i dette kursus — en klassifikator, et neuralt netværk, en prompt-pipeline — er Python-kode, før de er noget som helst andet. Appen bruger sproget som indgangen i stedet for noget, der skal springes over, og derfor består den første tredjedel af undervisningen af almindelig Python, før en eneste model bliver trænet.
Hvad det er
Lær AI: kod & byg er en gratis uddannelsesapp til iOS og Android, der underviser i kunstig intelligens gennem programmeringssproget Python uden at forudsætte tidligere erfaring med kodning. De 53 kurser bevæger sig fra grundlæggende Python og datahåndtering til klassisk machine learning, neurale netværk, computer vision og store sprogmodeller. Du får en indbygget kodeeditor, hvor du skriver, kører og ser resultatet, samt en AI Mentor, der besvarer spørgsmål om begreber eller fejl, efterhånden som de opstår.
Inde i appen
Sådan ser det ud





Kurset
Det dækker AI med Python-kurset
53 kurser og 200+ lektioner fra appens egen kursusliste — fra dit første Python-program til store sprogmodeller og retrieval-augmented generation.
Grundlæggende Python-programmering
Introduktion til programmering, Python-grundlag, betingelser og iteration, funktioner og modulær programmering, datastrukturer, objektorienteret programmering, filhåndtering, håndtering af fejl og undtagelser, avancerede Python-funktioner, arbejde med biblioteker, test og fejlfinding samt Python til automatisering — almindelig Python, før noget AI-specifikt kommer ind i billedet.
Datahåndtering til AI
Grundlæggende Python til data science, statistisk grundlag for AI, datarensning og forbehandling, eksplorativ dataanalyse, en dybdegående gennemgang af NumPy, avancerede Pandas-operationer, datamanipulation, datavisualisering, regulære udtryk til tekstbaseret AI, databaser til AI-projekter samt web-API'er og dataindsamling til AI.
Klassisk machine learning
Introduktion til kunstig intelligens, supervised learning: grundlæggende algoritmer, avanceret supervised learning, support vector machines, unsupervised learning, teknikker til feature engineering, modelvurdering og tuning af hyperparametre, tidsserieanalyse og prognoser samt anbefalingssystemer.
Deep learning og computer vision
Kunstige neurale netværk, transfer learning med Keras og TensorFlow, computer vision med PyTorch, billedbehandling, generativ AI: VAE'er og GAN'er, graf-neurale netværk, distribueret træning og machine learning i stor skala, reinforcement learning samt avanceret reinforcement learning.
NLP og store sprogmodeller
Natural Language Processing (NLP), avanceret NLP med word embeddings, store sprogmodeller med Python samt LangChain og RAG Systems — den del, hvor de tidligere Python- og datakurser bruges til at bygge noget, der læser og skriver tekst.
Udrulning af et AI-projekt
AI-projektstruktur og Git-workflow, levering af AI-modeller med FastAPI, grundlæggende MLOps, udrulning af AI-modeller i stor skala, arkitektur og design af AI-systemer, ansvarlig AI og forklarlighed, forberedelse til AI med Python samt anvendelser af AI.
Sådan fungerer det
Sådan bevæger kurset sig fra Python til AI
De 53 kurser følger en fast rækkefølge af en grund: Hvert senere trin forudsætter det foregående, så hver lektion fortsætter præcis, hvor den sidste slap, i stedet for at springe rundt i pensum.
Skriv rigtig Python først
De første kurser handler om almindelig programmering — variabler, løkker, funktioner, datastrukturer og objektorienteret kode — uden noget AI-specifikt endnu. Alle senere teknikker i undervisningen bygger på dette, så det er ikke valgfrit grundarbejde.
Lær at forme data, og træn derefter en model
Datarensning, NumPy og pandas og derefter klassisk machine learning: superviserede og usuperviserede algoritmer, feature engineering og model-evaluering. Koden kører i den indbyggede editor, så snart du skriver den, og derfor er resultatet af et træningsscript noget, du ser, i stedet for noget, du skal forestille dig.
Nå frem til neurale netværk, og spørg, når noget går galt
Deep learning, computer vision og store sprogmodeller afslutter forløbet. Når et begreb eller en fejl ikke giver mening — "hvad er en tensor", "hvorfor er min model overfitting" — svarer AI Mentor på almindeligt sprog på få sekunder, og Weekly Code Challenge giver dig mulighed for at træne de samme begreber endnu en gang sammen med andre kursister.
Hvad det indeholder
Dette følger med appen
53
Kurser, fra Python til LLMs
Fra Python-grundlag og datastrukturer over statistik, NumPy og pandas, klassisk machine learning, neurale netværk og computer vision til store sprogmodeller, LangChain og RAG-systemer.
200+
Korte lektioner
Hver lektion kombinerer kort teori i et letforståeligt sprog med en praktisk øvelse, der kan klares i en kaffepause i stedet for en hel undervisningsblok.
AI
AI Mentor
Spørg om et begreb eller en fejlmeddelelse — "hvorfor er min model overfitting", "forklar gradient descent enkelt" — og få et klart svar med eksempler på få sekunder, uanset niveau.
</>
Indbygget kodeeditor
Kodeøvelserne kører i editoren på telefonen: Skriv koden, kør den, og se resultatet. Et forkert svar er noget, du kan spørge Mentor om, i stedet for en blindgyde.
1/uge
Weekly Code Challenge
En opgave hver uge, som du løser og sammenligner med kursister fra hele verden — træning, der bliver ved med at trække dig tilbage, efter selve kurset er afsluttet.
Cert.
Gennemførelsesbevis
Bestå den afsluttende eksamen, og få et gennemførelsesbevis, som du kan vise på et CV eller LinkedIn, oven i quizzerne og kodeudfordringerne efter hvert emne.
Baggrund
Hvad skal der til for at gå fra ingenting til at skrive AI-kode?
Kunstig intelligens er for det meste software, der er skrevet til at finde mønstre i data i stedet for at følge regler, som en person har skrevet manuelt. At nå dertil fra bunden kræver tre trin i rækkefølge: nok Python til at læse og skrive rigtige programmer, nok datahåndtering til at rense og forme det, en model skal lære af, og derefter selve modelleringsteknikkerne — først klassisk machine learning, derefter neurale netværk og sprogmodeller. Det er grunden til, at de fleste selvlærte AI-forsøg går i stå ved en fejl, som ingen forklarer, når man springer direkte til det tredje trin.
Machine learninggrundideen
I stedet for at kode regler manuelt viser du et program mange mærkede eksempler, hvorefter det selv finder det mønster, der forbinder dem. Spamfiltre, anbefalinger og næsten alt, der kaldes AI i dag, er bygget på denne måde, og det implementeres oftere i Python end i noget andet sprog.
Neuralt netværkdet vigtigste værktøj
En række enkle numeriske lag, der sender værdier til hinanden, og hvor hvert lag justeres under træningen, indtil resultatet er brugbart. Biblioteker som TensorFlow og PyTorch findes specifikt til at bygge og træne disse i Python uden at skulle skrive matematikken manuelt.
Overfittingden første rigtige fælde
En model, der har husket sine træningseksempler i stedet for at lære mønsteret bag dem — den scorer godt på data, den har set, og dårligt på data, den ikke har set. At genkende og rette dette er en af de første rigtige debugging-færdigheder i kurset.
Stor sprogmodelLLM
Et neuralt netværk, der er trænet på enorme mængder tekst for at forudsige det næste ord. Denne ene evne gør det muligt for værktøjer, der er bygget med LangChain og RAG, at besvare spørgsmål, opsummere dokumenter og skrive kode. Det er den sidste del af undervisningen — ikke den første.
Egnethed
Hvem det er til — og hvem det ikke er til
Det passer godt til dig, hvis du
- Har lidt eller ingen erfaring med programmering og vil have AI forklaret fra Python og opefter i stedet for at skulle kunne det på forhånd
- Vil træne og køre en model på telefonen i praksis i stedet for kun at læse om, hvad en model gør
- Er studerende og vil have ekstra øvelse i Python og ML ved siden af undervisningen, eller skifter karriere med data science som mål
- Går ofte i stå ved et begreb eller et stack trace og vil have AI Mentor til at svare i stedet for at søge på fora
- Vil nå frem til store sprogmodeller og RAG i stedet for at stoppe ved klassisk machine learning
Det er ikke det rette værktøj, hvis du
- Kan Python godt i forvejen og vil have en ren reference til machine learning eller deep learning uden de grundlæggende sprogelementer
- Forventer, at alt er gratis: Det første kursus er gratis med en daglig kvote til AI Mentor, mens Pro låser resten op
- Har brug for at træne store modeller på ægte GPU-hardware — appen lærer dig teknikkerne, ikke en træningsklynge
- Har brug for en akkrediteret kvalifikation — certifikatet dokumenterer gennemførelse og er ikke en grad
Spørgsmål
Ofte stillede spørgsmål
Skal jeg kunne Python, før jeg kan lære AI med denne app?
Nej. Lær AI: kod & byg starter med almindelig Python-programmering — variabler, løkker, funktioner og datastrukturer — før noget AI-specifikt kursus begynder, ud fra antagelsen om, at du aldrig har skrevet kode før. Omtrent den første tredjedel af de 53 kurser handler om sprogets grundlag, og det er også det, der får de efterfølgende machine-learning-kurser til at give mening i stedet for at føles som magi.
Hvad er den faktiske rækkefølge, man lærer AI i: Hvad kommer før neurale netværk?
Først Python-grundlag, derefter datahåndtering med NumPy, pandas og grundlæggende statistik, og så klassisk machine learning — supervised og unsupervised algoritmer, feature engineering og modelvurdering. Neurale netværk, computer vision og store sprogmodeller er den sidste del og bygger på alt det foregående. Appens kursusliste følger denne rækkefølge i stedet for at lade dig springe direkte til deep learning.
Hvem er Lær AI: kod & byg til?
Lær AI: kod & byg er lavet til komplette begyndere, der er nysgerrige på kunstig intelligens, studerende, som ønsker ekstra øvelse i Python og machine learning ved siden af undervisningen, karriereskiftere, der opbygger kompetencer inden for data science, samt udviklere, der ønsker en struktureret genopfriskning af deep learning og LLM. Du behøver ingen erfaring, fordi det første kursus starter helt fra bunden.
Hvad er overfitting, og hvorfor bliver AI Mentor så ofte spurgt om det?
Overfitting opstår, når en model har memoreret sine træningseksempler i stedet for at lære det generelle mønster — den ser præcis ud på data, den allerede har set, men bryder sammen med alt nyt. Det er et af de første rigtige fejlfindingsproblemer, en begynder møder, når vedkommende begynder at træne faktiske modeller i stedet for at læse om dem. Derfor er det et almindeligt spørgsmål til AI Mentor i appen og ikke et sjældent et.
Kan jeg skrive og køre AI-kode på en telefon, eller skal jeg bruge en laptop og en GPU?
Kursets kodeøvelser køres i appens indbyggede editor: Du skriver koden, kører den og ser resultatet med det samme, så du øver dig med rigtig kode i stedet for at læse statiske eksempler. En laptop med GPU-hardware bliver nødvendig, når du går fra kursusøvelser til at træne store modeller i produktionsskala, hvilket ligger uden for en læringsapps formål.
Hvor langt går kurset: når det frem til store sprogmodeller?
Ja. Efter klassisk machine learning og neurale netværk dækker læringsstien natural language processing, word embeddings og derefter specifikt store sprogmodeller: kurset Large Language Models with Python og et kursus i LangChain og RAG Systems, som er måden, en LLM forbindes med dine egne data på, så den kan besvare spørgsmål om dem.
Hvor lang tid tager det at gå fra nul til at skrive grundlæggende AI-kode?
Regelmæssighed betyder mere end det samlede antal timer. Hvis du arbejder med korte daglige lektioner, kan de fleste begyndere skrive og køre en simpel klassifikator inden for få uger, efter at have gennemført Python-grundlaget og de første machine-learning-kurser — kurserne i neurale netværk og LLM længere fremme på stien tager længere tid og er lavet til, at du vender tilbage til dem. Streaks og påmindelser i appen er bygget op omkring denne daglige rytme i stedet for én lang session.
Er Lær AI: kod & byg gratis?
Appen kan downloades gratis i App Store og Google Play. Det første kursus er gratis og inkluderer en daglig kvote af spørgsmål til AI Mentor, så du kan arbejde dig gennem rigtige Python-lektioner, før du beslutter dig. Pro er den betalte opgradering: Den låser alle kurser op, herunder materialet om machine learning og LLM, fjerner reklamer og gør AI Mentor ubegrænset.
Virker den offline, i metroen eller i et fly?
Den er udviklet til ustabile forbindelser og ikke til slet ingen forbindelse. Lektionerne indlæses hurtigt og fungerer fortsat, når forbindelsen falder ud og kommer tilbage, hvilket dækker de fleste pendlerture. AI Mentor er den del, der reelt kræver en forbindelse, eftersom den besvarer dine spørgsmål live i stedet for ud fra noget, der er gemt på telefonen.
Hvilke platforme og sprog understøtter den?
Lær AI: kod & byg kører på iOS via App Store og på Android via Google Play, og selve appen findes på 22 sprog. Den er klassificeret som 4+ med hensyn til indhold. Den er en del af CoddyKit, en familie med over 40 kodeapps.
Kom i gang
Skriv din første Python-linje, og derefter din første model
Gratis at komme i gang på iOS og Android på 22 sprog.
Mere fra CoddyKit
Tilgængelig på iOS og Android.