Kursplan

Innføring i AI og ML

  • Oversikt over AI og ML-begreper
  • Datainnsamling og forbehandling
  • Innføring i Python for AI

Dataanalyse og visualisering

  • Eksplorativ dataanalyse
  • Teknikker for datavisualisering
  • Statistiske grunnlag for ML

Maskinlæringsmodeller

  • Overvåket læringsalgoritmer
  • Uovervåket læringsalgoritmer
  • Modellvurdering og -valg

Dyplæring og neurale nettverk

  • Grunnleggende om neurale nettverk
  • Konvolusjonelle neurale nettverk (CNNs)
  • Rekurrente neurale nettverk (RNNs)

Behandling av naturlig språk (NLP)

  • Tekstbehandling og egenskapsutvinning
  • Sentimentanalyse og tekstklassifisering
  • Språkmodeller og chatbots

Datamaskinens syn

  • Grunnleggende om bildebehandling
  • Objektdetektering og bildeklassifisering
  • Avanserte emner innen datamaskinens syn

Utplassering og skalering

  • Strategier for utplassering av AI-applikasjoner
  • Skalering av AI-applikasjoner
  • Overvåking og vedlikehold av AI-systemer

Etikk og fremtidens AI

  • Etiske overveielser i AI
  • AI-politikk og -regulering
  • Fremtidige trender i AI og ML

Laboratorieprosjekt

  • Utvikling av en intelligent applikasjon i liten skala
  • Arbeid med virkelige datamengder
  • Samarbeid om et gruppeprosjekt for å løse et problem relatert til industrien

Oppsummering og neste skritt

Krav

  • En forståelse av grunnleggende programmeringsprinsipper
  • Erfaring med Python og grunnleggende datavitenskapsteknikker
  • Kjennskap til kjerneprinsipper for AI og ML

Målgruppe

  • AI-profesjonelle
  • Programutviklere
  • Datanalytikere

Kursformat

  • Interaktiv forelesning og diskusjon.
  • Mye øvelser og praksis.
  • Hånds-on implementering i et live-lab-miljø.

Tilpasningsmuligheter for kurset

For å be om en tilpasset opplæring for dette kurset, kontakt oss for å avtale.

 28 timer

Antall deltakere


Pris per deltaker

Referanser (1)

Kommende kurs

Relaterte kategorier