Ta kontakt
 Varighet 35 timer

Kursplan

Introduksjon til AI i Python

  • Nøkkelbegreper og omfang av AI
  • Python-biblioteker for AI-utvikling
  • Struktur og arbeidsflyt for AI-prosjekter

Dataforberedelse for AI

  • Renhold, transformasjon og funksjonstegn for data
  • Håndtering av manglende og ubalanserte data
  • Funksjonsskalering og koding

Metoder for tilsynelatende læring

  • Regresjons- og klassifiseringsalgoritmer
  • Tilnærmet tilnærmet metode: Tilfeldig skog, Gradient Boosting
  • Hyperparameterjustering og kryssvalidering

Metoder for ulåst læring

  • Metoder for klyngeklustering: K-Means, DBSCAN, hierarkisk klyngeklustering
  • Dimensjonsreduksjon: PCA, t-SNE
  • Anvendelsestilfeller for ulåst læring

Neurale nettverk og dyplæring

  • Innføring til TensorFlow og Keras
  • Bygge og trene feedforward-neurale nettverk
  • Optimalisering av ytelsen til neurale nettverk

Belønningslæring (Introduksjon)

  • Kjernebegreper for agenter, miljøer og belønninger
  • Implementasjon av grunnleggende belønningslæringsalgoritmer
  • Anvendelser av belønningslæring

Distribusjon av AI-modeller

  • Lagring og lasting av trenerte modeller
  • Integrasjon av modeller i applikasjoner via APIer
  • Overvåking og vedlikehold av AI-systemer i produksjon

Oppsummering og neste steg

Krav

  • Solid forståelse av Pythons programmeringsgrunnleggende prinsipper
  • Erfaring med databehandlingsbiblioteker som NumPy og pandas
  • Grunnleggende kunnskaper om maskinlæringsbegreper og algoritmer

Målgruppe

  • Softwareutviklere som ønsker å utvide sine ferdigheter innen AI-utvikling
  • Datanalytikere som ønsker å anvende AI-teknikker på komplekse datamengder
  • F&U;-eksperter som bygger AI-drevne applikasjoner

Antall deltakere


Pris per deltaker

Referanser (2)

Kommende kurs

Relaterte kategorier