Kursplan

Computer Vision

Data Analysis och Visualisering

Deep Learning och Neural Networks

Distribuering och Skalning

Etik och Framtid för AI

Introduktion till AI och ML

Labbprojekt

Machine Learning Modeller

Natural Language Processing (NLP)

Sammanfattning och Nästa Steg

  • Strategier för distribuering av AI-applikationer
  • Skalning av AI-applikationer
  • Övervakning och underhåll av AI-system
  • Utveckling av en liten intelligent applikation
  • Arbete med verkliga datamängder
  • Samarbete på ett gruppprojekt för att lösa ett industrirelaterat problem
  • Etiska överväganden inom AI
  • AI-policy och reglering
  • Framtida trender inom AI och ML
  • Explorativ dataanalys
  • Datavisualiseringstekniker
  • Statistiska grundläggande för ML
  • Grundläggande princip för neurala nätverk
  • Konvolutiva neurala nätverk (CNNs)
  • Rekurrenta neurala nätverk (RNNs)
  • Grundläggande princip för bildbehandling
  • Objektdetektion och bildklassificering
  • Avancerade ämnen inom datorseende
  • Översikt över AI- och ML-koncept
  • Datainsamling och förbehandling
  • Introduktion till Python för AI
  • Övervakade inlärningsalgoritmer
  • Oövervakade inlärningsalgoritmer
  • Modellutvärdering och urval
  • Textbehandling och funktionsextraktion
  • Känslomässig analys och textklassificering
  • Språkliga modeller och chatbots

Krav

Målgrupp

  • AI-professionella
  • Programutvecklare
  • Datanalytiker
  • Förståelse av grundläggande programmeringskoncept
  • Erfarenhet av Python och grundläggande datavetenskapliga tekniker
  • Kännedom om kärnan i AI och ML
 28 timmar

Antal deltagare


Price per participant

Vittnesmål (1)

Upcoming Courses

Relaterade Kategorier