Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
1. Introduktion till AI-teknik
- Vad är AI-teknik?
- AI vs. Maskininlärning vs. Djupinlärning
- Ajv-teknikens livscykel
- Tillämpningar av AI inom olika branscher
- Roller och ansvar för en AI-tekniker
2. Grunderna i artificiell intelligens
- Kärnbegrepp och terminologi inom AI
- Lärande med övervakning, utan övervakning och förstärkningsinlärning
- Neurala nätverk och grunderna i djupinlärning
- Översikt över generativ AI och fundamentala modeller
- Ajv-utvecklingsekosystem och ramverk
3. Python för AI-teknik
- Viktiga Python-bibliotek för AI
- NumPy, Pandas och Matplotlib
- Datahantering och visualisering
- Arbete med Jupyter Notebooks
- Skrivning av återanvändbar AI-kod
4. Dataförberedelse för AI
- Insamling och förståelse av dataset
- Datarensning och preprocessning
- Funktionsengineering
- Funktionsskalning och normalisering
- Indelning av dataset i tränings-, validerings- och testuppsättningar
- Hantering av saknade värden och utliggare
5. Grunderna för maskininlärning
- Regressionsalgoritmer
- Klassificeringsalgoritmer
- Klustringstekniker
- Arbetsflöde för modellträning
- Mätetal för modellutvärdering
- Förebygga överanpassning och underanpassning
6. Bygga AI-modeller med TensorFlow och PyTorch
- Introduktion till TensorFlow
- Introduktion till PyTorch
- Skapande av neurala nätverk
- Modellträning och validering
- Spara och läsa in modeller
- Jämförelse mellan de båda ramverken
7. Grunderna i naturlig språkbehandling (NLP)
- Förbehandling av text
- Ordinembeddingar
- Klassificering av text
- Känslomodsanalys
- Introduktion till transformer-modeller
- Praktiska NLP-applikationer
8. AI inom mjukvaruutveckling
- Integration av AI i befintliga applikationer
- Anrop av AI-tjänster via API:er
- Utveckling av AI-drivna applikationer
- AI-assisterade verktyg för mjukvaruutveckling
- Testning av AI-kapabla applikationer
9. Bäst praxis inom AI-teknik
- Projektorganisering
- Versionhantering med Git
- Experimentspårning
- Modellversioning
- Dokumentationsstandarder
- Reproducibility i AI-projekt
10. Distribution av AI-modeller
- Modellserialisering
- Bygga inferenstjänster
- REST API:er för AI-modeller
- Introduktion till Docker för AI-distribution
- Påföljd av distribuerade modeller
- Modellunderhåll och uppdateringar
11. Dataengineering för AI
- Datapipelines
- ETL-processer
- Hantering av strukturerad och ostrukturerad data
- Dataförvaringsalternativ
- Datakvalitetshanteringen
- Förbereda produktionsklara dataset
12. Ansvarsfull och etisk AI
- Ajv-fördomar och rättvisa
- Förklarbar AI (XAI)
- Sekretess och dataskydd
- Ajsäkerhetsaspekter
- Ansvarsfull utveckling av AI
- Regulatoriska och styrande överväganden
13. Projektledning för AI
- Ajv-projektets livscykel
- Agila metoder för AI-projekt
- Samarbete mellan tekniska och affärsteam
- Kostnadsuppskattning av AI-projekt
- Hantera risker
- Mäta projektets framgång
14. Handson AI-teknikworkshop och framtidsriktningar
- Installera en komplett AI-utvecklingsarbetsflöde
- Bygga ett slut-till-slut-maskininlärningsprojekt
- Träna och utvärdera en modell med TensorFlow eller PyTorch
- Distribuera en enkel AI-applikation
- Aktuella trender inom AI-teknik
- Generativ AI och stora språkmodeller (LLM)
- MLOps och automativering av AI
- Karriärvägar och kontinuerligt lärande
- Sammanfattning, frågor och svar samt nästa steg
Krav
- Förståelse för grundläggande programmeringskoncept
- Erfarenhet av programmering i Python
- Kunskap om grundläggande statistik och linjär algebra
Målgrupp
- AI-tekniker
- Mjukvaruutvecklare
- Dataanalytiker
14 Timmar
Vittnesmål (2)
Det omfattande utbudet av presenterade verktyg
Miruna Buzduga - Aeronamic Eastern Europe
Kurs - AI Enablement Training for Engineers
Maskintolkat
Steg för steg träningsmaterial med många övningar. Det var som en verkstad och jag är mycket nöjd med det.
Ireneusz - Inter Cars S.A.
Kurs - Intelligent Applications Fundamentals
Maskintolkat