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
Referanser (2)
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
Instruktør kan justere kursnivået under opplæringen for å tilpasse seg vår forståelsesnivå på emnet, slik at vi kunne oppnå mer nyttig kunnskap som kan hjelpe oss med å utnytte verktøyene i våre daglige arbeidsoppgaver.
Tatt Juen - ViTrox Technologies Sdn Bhd
Kurs - Intermediate GitHub Copilot
Maskinoversatt