Takk for at du sendte din henvendelse! En av våre teammedlemmer vil kontakte deg straks.
Takk for at du sendte din bestilling! En av våre teammedlemmer vil kontakte deg straks.
Kursplan
Introduksjon til kunstig intelligens
- Hva er AI og hvor brukes det?
- AI vs. Maskinlæring vs. Dyp læring
- Populære verktøy og plattformer
Python for AI
- Gjentakelse av grunnleggende Python-konsepter
- Bruk av Jupyter Notebook
- Installasjon og administrering av biblioteker
Arbeid med data
- Dataforberedelse og -rensing
- Bruk av Pandas og NumPy
- Visualisering med Matplotlib og Seaborn
Grunnleggende maskinlæring
- Supervisert vs. usupervisert læring
- Klassifisering, regresjon og klyngeanalyse
- Modelltrening, validasjon og testing
Neurale nettverk og dyp læring
- Arkitektur for neurale nettverk
- Bruk av TensorFlow eller PyTorch
- Bygging og trening av modeller
Naturlig språk og bildeanalyse
- Tekstklassifisering og følelsesreaksjonsanalyse
- Grunder i bildekjennskap
- Forhåndsopplærte modeller og overføring av læring
Implementering av AI i applikasjoner
- Lagring og lasting av modeller
- Bruk av AI-modeller i APIs eller webapplikasjoner
- Beste praksis for testing og vedlikehold
Oppsummering og neste trinn
Krav
- Et grunnleggende forståelse av programmeringslogikk og strukturer
- Erfaring med Python eller lignende høy-nivå programmeringsspråk
- Grunnleggende kjennskap til algoritmer og datastrukturer
Målgruppe
- IT-systemsprofesjonals
- Programutviklere som ønsker å integrere AI
- Ingeniører og tekniske ledere som utforsker AI-baserte løsninger
40 Timer
Referanser (1)
At jeg har skaffet kunnskap om Streamlit-biblioteket fra Python, og jeg vil sikkert prøve å bruke det for å forbedre applikasjonene i min gruppe som er laget i R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurs - GitHub Copilot for Developers
Maskinoversatt