Beskrivning

Upptäck kraften och potentialen hos maskininlärning genom en praktisk och djupgående kurs som täcker allt från grundläggande principer till avancerade tillämpningar. Under dessa två dagar kommer du att få en omfattande förståelse för hur man bygger, utvärderar och förbättrar maskininlärningsmodeller. Genom att integrera teori med praktiska övningar, syftar kursen till att ge dig verktygen och förtroendet att använda maskininlärning i ditt arbete.

Kursen är designad för att vara interaktiv och praktikorienterad, med en blandning av teori, hands-on programmering, par-programmering och diskussioner.

Kursmål
Målet med denna kurs är att ge dig en solid grund i maskininlärning samt en fördjupad förståelse av djupa neurala nätverk. Vi strävar efter att ge dig färdigheter och kunskaper som gör att du kan genomföra egna maskininlärningsprojekt från början till slut och förstå hur avancerade modeller kan tillämpas på verkliga problem.

Målgrupp
Denna kurs är idealisk för utvecklare, dataanalytiker, och alla som är intresserade av att fördjupa sig i maskininlärningens värld.

Innehåll

• Introduktion till AI
• Introduktion till Maskininlärning
• Arbetsflöde för ett maskininlärningsprojekt
• Hur sätter man upp sin utvecklingsmiljö
• Datainsamling, dataförberedelse, och explorativ dataanalys
• Träning, validering och testning av modeller
• Bedömning och finjustering av modeller
• Introduktion och fördjupning i Convolutional Neural Networks (CNN)
• Hur använder man LLM:er i en applikation via API:er
• Hur deployera man till molnet, t ex Azure
• Praktiska övningar och projektarbete
• Par-programmering och gruppdiskussioner om utmaningar och lösningar

Kurslitteratur
Aurélien Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition.

Förkunskaper
Grundläggande kunskaper i programmering (helst i Python).

Kursen genomförs i samarbete med

Anmäl dig