Kurs 12. - 13. mars i Trondheim Kurs i maskinlæring, kunstig intelligens og stordata

Maskinlæring og kunstig intelligens er her for å hjelpe oss, med programmer som kan tilegne seg ny kunnskap når nye trender oppstår, frembringe fornyet innsikt i eksisterende data og presentere funn og prediksjoner på en presis og forståelig måte. Resultatet er et bedre grunnlag for smarte beslutninger og økt gevinstrealisering.

Hva er maskinlæring, hvorfor trengs det og hvordan brukes det?
Formålet med kurset er å besvare disse spørsmålene, samt gi en grundig innføring i viktige begreper, konsepter og metoder. Her forklares blant annet sentrale modeller som regresjon, beslutningstrær og nevrale nettverk. Kurset har både et teknisk og forretningsmessig perspektiv, hvor vi diskuterer utfordringer knyttet til blant annet modellkvalitet og forretningsverdi. Videre drøftes innføring og produksjonssetting, med mål om å sikre et best mulig grunnlag for videre drift og gevinstrealisering. Til slutt blir teori, metoder og fremgangsmåter kombinert og eksemplifisert gjennom praktiske demonstrasjoner og workshops. Kurset har allerede blitt holdt for fagpersoner og utviklere ved Direktoratet for forvaltning og IKT (Difi), og tilbys nå for et åpent publikum.

Målgruppe og forkunnskaper

Kurset passer for de som ønsker en innføring i terminologi, underliggende metoder og praktisk fagkunnskap innen temaene maskinlæring, kunstig intelligens og stordata.

Typiske deltakere er systemutviklere, løsningsarkitekter, virksomhetsarkitekter, tekniske konsulenter, ledere, og prosjektledere. Kurset passer for private og offentlige virksomheter, uavhengig av størrelse.

• Dag 1 har ingen krav til forkunnskap.
• Dag 2 vil fokusere på en praktisk anvendelse av maskinlæring, og det er derfor fordelaktig med noe erfaring innen programmering, fortrinnsvis Python.
  

Program dag 1 – Introduksjon til maskinlæring

1) Introduksjon, eksempler, metoder– Introduksjon til begreper og eksempler på anvendelser

• Introduksjon av metoder og gjennomgang av de vanligste maskinlæringsmodellene

2) Gjennomføring: forretningsperspektiv

• Faser i maskinlæringsprosjekter
• Måling av kvalitet: KPI-er og metrikker

3) Gjennomføring: teknisk perspektiv

• Analyse og utvikling
• Løsningsarkitektur, forvaltning og drift

Program dag 2: Praktisk bruk av maskinlæring

1) Anvendelse av KI og ML

• Gjennomgang av verktøy og metoder
• Demonstrasjon av åpne API-er
• Koding av maskinlæringsmodeller

2) Workshops

• Introduksjon av case til workshop, samt evt. hjelp til å komme i gang
• Felles workshop på én eller flere problemstillinger

Kontaktperson: Silje Endsjø