Introduktion till artificiell intelligens (AI) - eLearning

Introduktion till artificiell intelligens (AI) - eLearning

Få en förståelse för AI-koncept, arbetsflöden och prestandamätningar

Artificiell intelligens Introduktion till Artificiell intelligens - e-learning: Få en förståelse för AI-koncept, arbetsflöden och prestandamätningar.

Om du vill bygga upp dina kunskaper inom artificiell intelligens och få en förståelse för dess affärstillämpningar är vår kurs Introduktion till artificiell intelligens precis vad du behöver! Med den här kursen får du en bred översikt över AI-koncept, arbetsflöden och prestandamätningar, samt maskininlärning och djupinlärning. Du får reda på hur klustrings- och klassificeringsalgoritmer hjälper till att identifiera AI-affärsapplikationer och lär dig också skillnaden mellan övervakad, oövervakad och förstärkningsinlärning.

Översikt över kursen

I den här kursen behandlas grundläggande terminologi, koncept, omfattning och stadier av artificiell intelligens, deras effekt på verkliga affärsprocesser och hur AI driver affärsvärde. I slutet av kursen kommer du att kunna använda arbetsflöden för maskininlärning för att lösa affärsproblem, tydligt definiera olika övervakade och oövervakade AI-algoritmer och mäta ROI baserat på prestationsmått.

Vad ingår i kursen?

• Kursen och materialet är på engelska
• Nybörjarvänlig
• 1 års tillgång till eLearning-plattformen för studier i egen takt 24/7
• 2 timmar videoinnehåll
• 6 timmars studietid rekommenderas
• Övningar
• Frågesporter för att fräscha upp dina studier
• Ingen tentamen för kursen men studenten kommer att få certifiering för avslutad utbildning

MÅL FÖR KURSEN

I slutet av denna kurs kommer du att kunna förstå:

• Innebörden av och syftet med AI, samt omfattning, faser, tillämpningar och effekter
• De grundläggande begreppen maskininlärning och djupinlärning
• Hur man effektivt implementerar stegen i ett arbetsflöde för maskininlärning
• Skillnaden mellan övervakad, semi-övervakad och oövervakad inlärning
• Prestationsmätningarnas roll och hur man identifierar viktiga metoder

Målgrupp

Kursen är utformad för personer med olika bakgrund som vill få grundläggande kunskaper om artificiell intelligens och dess tillämpningar. Inga formella förkunskaper krävs, men en grundläggande förståelse för matematik, statistik och programmering kommer att vara till nytta.

• IT-proffs
• Icke-tekniska yrkesverksamma
• Dataanalytiker
• Studerande
• Utbildare och forskare
• Entreprenörer och innovatörer

Läroplan:

Lektion 01 - Avkodning av artificiell intelligens

• Avkodning av artificiell intelligens
• Innebörd, omfattning och faser av artificiell intelligens
• Tre faser av artificiell intelligens
• Tillämpningar av artificiell intelligens
• Identifiering av bilder
• Tillämpningar av artificiell intelligens - exempel
• Den artificiella intelligensens inverkan på samhället
• Övervakning av lärande för telemedicin
• Löser komplexa sociala problem
• Fördelar för flera branscher
• Viktiga slutsatser

Lektion 02 - Grunderna i maskininlärning och djupinlärning

• Grunderna i maskininlärning och djupinlärning
• Betydelsen av maskininlärning
• Förhållandet mellan maskininlärning och statistisk analys
• Process för maskininlärning
• Typer av maskininlärning
• Betydelsen av oövervakad inlärning
• Betydelsen av semi-övervakad inlärning
• Algoritmer för maskininlärning
• Regression
• Naiv Bayes
• Klassificering med Naive Bayes
• Algoritmer för maskininlärning
• Djupinlärning
• Definition av artificiella neurala nätverk
• Definition av perceptron
• Online- och batchinlärning
• Viktiga slutsatser

Lektion 03 - Arbetsflöde för maskininlärning

• Mål för inlärning
• Arbetsflöde för maskininlärning
• Skaffa mer data
• Ställ en skarp fråga
• Lägg till data i tabellen
• Kontrollera kvaliteten
• Konvertera funktioner
• Besvara frågorna
• Använd svaret
• Viktiga slutsatser

Lektion 04 - Mätning av prestanda

• Mätning av prestanda
• Behovet av prestationsmätning
• Viktiga metoder för prestationsmätning
• Exempel på förväxlingsmatris
• Termer i förväxlingsmatrisen
• Minimera antalet felaktiga fall
• Minimera antalet falska positiva resultat
• Noggrannhet
• Precision
• Återkallelse eller känslighet
• Specificitet
• F1-poäng
• Viktiga slutsatser