Datacentrisk artificiell intelligens

Mål

Efter avslutad kurs ska den studerande kunna:

• redogöra för och tillämpa grundläggande begrepp inom datacentrisk artificiell intelligens
• redogöra för och systematiskt reflektera över tillämpbarheten av olika metoder inom datacentrisk artificiell intelligens för olika typer av inlärningsproblem
• använda befintliga verktyg för att konstruera, träna och analysera djupa neurala nätverksmodeller
• utveckla och anpassa kod för att förbearbeta, analysera och förbättra kvaliteten på datamängder

Innehåll

I kursen behandlas grundläggande metoder inom datacentrisk artificiell intelligens:

• grundläggande begrepp inom artificiella neurala nätverk för djupinlärning
• metoder och verktyg för konstruktion och anpassning, träning och utvärdering av modeller (såsom Python, Keras, Tensorflow, Colab)
• datacentriska metoder för detaljerad felanalys av modeller och bakomliggande data
• strukturerat arbetssätt för att hantera och korrigera (kurera) data