Ta kontakt
 Varighet 35 timer

Kursplan

Oversikt over AI i Python

  • Nøkkelkonsepter og omfang av AI
  • Python-biblioteker for AI-utvikling
  • AI-prosjektstruktur og arbeidsflyt

Dataforberedelse for AI

  • Data rensing, transformasjon og feature engineering
  • Håndtering av manglende og ubalanserte data
  • Feature scaling og koding

Supervised Learning-teknikker

  • Regressjons- og klassifiseringsalgoritmer
  • Ensemble-metoder: Random Forest, Gradient Boosting
  • Hyperparameter-tuning og krysskontroll

Unsupervised Learning-teknikker

  • Klustringsmetoder: K-Means, DBSCAN, hierarkisk klustering
  • Dimensjonsreduksjon: PCA, t-SNE
  • Anvendelsesområder for uovervåket læringsalgoritmer

Neural Networks og Deep Learning

  • Introduksjon til TensorFlow og Keras
  • Bygging og trening av feedforward neural networks
  • Optimalisering av neural networks ytelse

Reinforcement Learning (Intro)

  • Kjernekonsepter av agenter, miljøer og belønninger
  • Implementering av grunnleggende forsterkende læringsalgoritmer
  • Anvendelser av forsterkende læringsalgoritmer

Implementering av AI-modeller

  • Lagring og lasting av trente modeller
  • Integrering av modeller i applikasjoner via APIs
  • Overvåking og vedlikehold av AI-systemer i produksjon

Oppsummering og neste skritt

Krav

  • Solid forståelse av grunnleggende Python-programmeringskonsepter
  • Erfaring med数据分析-biblioteker som NumPy og pandas
  • Grunnkunnskaper i maskinlæringskonsepter og algoritmer

Målgruppe

  • Programvareutviklere som ønsker å utvide ferdighetene sine innen KI-utvikling
  • Dataanalytikere som søker å anvende KI-teknikker på komplekse datasett
  • FoU-profesjonelle som bygger KI-drevne applikasjoner

Antall deltakere


Pris per deltaker

Referanser (2)

Kommende kurs

Relaterte kategorier