Kursplan

Introduktion till AI och ML

  • Översikt över AI- och ML-koncept
  • Datainsamling och förbehandling
  • Introduktion till Python för AI

Dataanalys och visualisering

  • Explorativ dataanalys
  • Visualiseringsmetoder för data
  • Statistiska grundläggande för ML

Maskininlärningsmodeller

  • Övervakade inlärningsalgoritmer
  • Övervakningsfria inlärningsalgoritmer
  • Modellutvärdering och -urval

Djupinlärning och neuronnätverk

  • Grundläggande för neutrora nätverk
  • Konvolutionella neuronnätverk (CNNs)
  • Rekurrenta neuronnätverk (RNNs)

Naturligt språkbehandling (NLP)

  • Textbearbetning och egenskapsextraktion
  • Sentimentanalys och textklassificering
  • Språkmodeller och chatbots

Bildbehandling

  • Grundläggande för bildbehandling
  • Objekterkänning och bildklassificering
  • Avancerade ämnen i bildbehandling

Distribuering och skalning

  • Strategier för distribuering av AI-applikationer
  • Skalning av AI-applikationer
  • Övervakning och underhåll av AI-system

Etik och framtiden för AI

  • Etiska överväganden inom AI
  • AI-politik och reglering
  • Framtidsutvecklingar inom AI och ML

Labbprojekt

  • Utveckla en mindre intelligenta applikation
  • Arbeta med verkliga datamängder
  • Samarbete på ett gruppprojekt för att lösa en industri-relevant problem

Sammanfattning och nästa steg

Krav

  • Förståelse för grundläggande programmeringskoncept
  • Erfarenhet av Python och grundläggande datavetenskapstekniker
  • Bekantskap med centrala AI- och ML-principer

Målgrupp

  • AI-professionals
  • Programutvecklare
  • Dataanalytiker

Kursens format

  • Interaktiv föreläsning och diskussion.
  • Många övningar och praktikexempel.
  • Praktiskt implementering i en live-labbmiljö.

Kursanpassningsalternativ

För att begära en anpassad träning för denna kurs, kontakta oss för att ordna det.

 28 timmar

Antal deltagare


Pris per deltagare

Vittnesmål (1)

Kommande Kurser

Relaterade Kategorier