Python AI Introduktion
Pyhton och AI - framtiden är inom räckhåll, det är inte så krångligt...faktiskt
Information
Längd | 2 dagar |
Kurstakt | 1d/vecka |
Pris per deltagare | 13 390 SEK ex moms |
Location | Distans (Zoom) |
Förkunskaper | Inga annat än förståelse för nåt programmeringsspråk |
Kursbeskrivning
På denna kurs kommer du få en förståelse för vad artificiell intelligens och maskininlärning (AI and machine learning) innebär. Det är faktiskt möjligt att använda dessa (lite skrämmande?) tekniker på ett ganska enkelt sätt utan att vara totalt insatt i hur det fungerar på djupet.
Det finns ju massor av användningsområden och bara som ett exempel: alla branscher och segment skulle tjäna på om man, tex med historik data, kunde blicka fram och förutspå framtiden. Må det gälla försäljning av vissa varor under vissa årstider, beteenden bland kunder under vissa förutsättningar etc etc
Kursmoment
Delar i denna utildning
Bakgrund Python och AI
Hur kommer det sig att just Python blivit så synonymt med AI och maskininlärning? Vad innebär artificiell intelligens? Och vilka användningsområden är applicerbara?
Python kodning
Snabb presentation av programmeringsspråket Python : massa praktiskt kodning så vi blir varma i kläderna vad gäller problemlösning med programmering
Introduktion till Jupyter Notebooks
Vi lär oss verktyget Jupyter Notebooks, ett tillägg till Visual Studio Code. Jupyter är de facto standard inom AI och ML - och det låter oss köra och undersöka de olika stegen för att skapa en applikation
Numpy, Pandas och Matplotlib
Vi tittar på de moduler som man använder för att hämta och hantera data - samt för att anropa algoritmer och göra predictions
Grunder i Linjär algebra
En kort introduktion i vektorer, linjära transformationer och matriset – samt den linjära algebra som ligger till grund för s.k neurala nätverk
Att träna neurala nätverk
Vi går igenom grunderna i hur man kan träna ett neuralt nätverk genom begrepp som plotting, derivates och chain rule.
Implementation
Vi kommer rent praktiskt att skapa en AI applikation! Vi tittar dessutom på deep learning och PyTorch.