Artificiell intelligens och maskininlärning: teori och praktik

I vår tid av spirande smart teknologi och automatisering ser vi redan den transformativa potentialen hos artificiell intelligens och maskininlärning inom så olika områden som ekonomi, medicin och tillverkning. Den här kursen ger en praktisk introduktion till detta framtidsfokuserade forskningsområde.

Du kommer att börja med en introduktion till grunderna i programmering i Python, i synnerhet att förstå objektorienterad programmering och dess betydelse för djupinlärning. Du kommer snabbt att gå vidare till en introduktion till artificiell intelligens, där du undersöker grunderna för övervakad maskininlärning, inklusive linjär regression, logistisk regression, neurala nätverk och gradientnedstigning. Under den andra veckan av kursen kommer du att utforska bildbehandling, undersöka transformationer, faltningsfilter och kantdetektering, innan en introduktion till faltningsneurala nätverk och några framstående CNN-arkitekturer som VGG och ResNet. I den sista delen av kursen kommer du att titta på kärnbegreppen för naturlig språkbehandling, inklusive sekvensmodellering, autoregressiva modeller och återkommande neurala nätverk.

Denna intensiva kurs erbjuder både en teoretisk introduktion till artificiell intelligens och maskininlärningskoncept och en möjlighet att omsätta denna kunskap i handling för att lösa småskaliga praktiska problem från olika domäner.

Datum och tillgänglighet

Tillgänglig som bostads- eller onlinekurs på följande datum:

Session 1: 24 juni till 12 juli 2024

Session 3: 5 augusti till 23 augusti 2024

Denna kurs skulle passa STEM-studenter i grund- eller nybörjarstudier. Grundläggande kunskaper i kalkyl och linjär algebra krävs och viss erfarenhet av kodning rekommenderas. Tidigare erfarenhet av artificiell intelligens, maskininlärning eller programmeringsspråket Python krävs inte.

I slutet av denna kurs kommer du att:

• Förstå teoretiska begrepp om artificiell intelligens och maskininlärning.
• Vet hur grundläggande artificiell intelligens och maskininlärningsverktyg används i praktiken.
• Kunna implementera grundläggande algoritmer och träna små nätverk för praktiska problem.
• Kunna identifiera och använda relevanta verktyg för artificiell intelligens och maskininlärning i forskning.
• Vet hur man implementerar och distribuerar artificiell intelligens och maskininlärningsalgoritmer på Google Cloud.