Öppna kurser

Machine Learning 101

Kursen ‘Machine Learning 101’ ger dig insikter i Machine Learnings inverkan på AI-fältet samt förståelse för hur din data kan omsättas till att bli en värdefull resurs. Den ger dig också en övergripande insyn i hur Machine Learning formar både samtid och framtid.

Kursmål
Efter denna intensivkurs i Machine Learning så kommer du att med enkelhet kunna orientera dig inom fältet, förstå vilka problem som kan lösas och hur din data kan användas för att skapa värde.

Du kommer att ha tillskansat dig kunskap om en rad olika begrepp in AI och Machine Learning samt vilka möjligheter och potentiella fallgropar som kan finnas.

Vem bör deltaga?
Machine Learning 101 riktar sig till personer som är nyfikna på AI och Machine Learning och hur det kan användas för att skapa värde. Vill du lära dig grunderna, orientera dig eller är nyfiken på vad Machine Learning kan erbjuda dig och din organisation, så är det här kursen för dig.

Förkunskaper
Inga speciella förkunskaper krävs och kursen är verktygsoberoende.
Kursmedverkande kan gynnas av viss erfarenhet av IT system, Big Data samt grundläggande kunskap om data-analys

Sammanfattning
Du äger en massa data och data sägs vara en värdefull resurs. Men hur ska jag utvinna värde från min data? Inom vilka områden kan jag använda Machine Learning? Vad är en modell? Vad är en algoritm? Machine Learning som beslutsunderlag? Vad är AI? Kan ML göra livet enklare för användare? Vad är hajpen? Dessa frågor och många fler kommer du att få besvarade under denna intensivkurs i Machine Learning.
Kursen syftar till att orientera dig inom AI och Machine Learning och ge dig insikter i vilka möjligheter och potentiella fallgropar som kan finnas. Under dagen lär du dig om området, ges exempel på användarfall och vinner insikter i vad Machine Learning kan göra för dig.

Övningar
Lärarledd med klassdiskussioner och laborationer.

Kursinnehåll
En kort bakgrund till fältet
• Vad är AI?
• Vad är Machine Learning?

Big Data och framväxt
• fältets framväxt
• de drivande krafterna
• initiativ som driver fältet

Olika former av Machine Learning
• Grundläggande kunskap i olika former av Machine Learning
• Vilka områden de tillhör
• Problem som kan lösas med dem

Shallow och Deep Learning
• orientering
• processens delar
• Exempel!

Machine Learning-projekt
• förutsättningar för framgångsrika Machine Learning projekt
• Problematik
• Lösningar

Vad ser vi framåt?
• Hur kan framtiden se ut?

Framgångsfaktorer
• vad man skall tänka på för att Machine Learning-projekt skall bli lyckade.

Lärare
Daniel Andersson

Daniel , som arbetar som konsult, har ett stort intresse och djupa kunskaper inom IT, ML och AI.
Han har bland annat utvecklat en modell som med språkteknologi (NLP) och Machine Learning, med stor säkerhet kan förutsäga sittande regerings ideologiska hemvist baserat på språket i utskottsbetänkanden.

Daniel är en humanistisk IT expert och en van föreläsare med rötter inom konstnärsfältet och en fascination för hur stora informationsflöden påverkar vår vardag.