Introduktion till AI - maskininlärning
1,5 högskolepoäng, nybörjarkurs på grundnivå, D0050E
Maskininlärning driver världens mest kapabla AI-system—från medicinsk bildanalys till rekommendationsmotorer och språkteknologi.
”Introduction to AI – Maskininlärning” är en fokuserad, praktisk fördjupning i de modeller, arbetsflöden och verktyg som gör ML användbart i vardagliga projekt. Du lär dig att omvandla en fråga till ett dataset och ett dataset till en modell, jämföra klassiska och moderna metoder och tolka modellprestanda med rätt mått. Genom guidade labbar och demonstrationer övar du på att välja algoritmer för klassificering och regression, sätta upp utvärderingspipelines och undvika vanliga fallgropar som dataläckage och överanpassning. Vi tar också upp ansvarsfull ML: bias, integritet, transparens och hur man kommunicerar osäkerhet till intressenter. Kursen har flexibel studietakt, ges på engelska och är anpassad för hektiska scheman med två tillfällen för frågor och erfarenhetsutbyte. Examinationen kretsar kring en reflekterande text och ett miniprojekt kopplat till din egen kontext—så att kunskaperna direkt går att omsätta. Med 1,5 ECTS och rekommenderad förkunskap ”Introduction to AI – Basic” (eller motsvarande, t.ex. Elements of AI) passar kursen dig som vill bli trygg i att bygga och använda ML ansvarsfullt och effektivt i verkliga applikationer. Kom redo att experimentera; vi står för struktur, handledning och moderna verktyg.
Du kommer att lära dig
Upplägg & examination Självvald studietakt + två tillfällen; reflekterande text och miniprojekt.
Vem är kursen för? Deltagare som är redo att tillämpa ML i verkliga sammanhang.
Du kommer att lära dig
- Rätt dataprepp, val av features och uppdelningar.
- Jämföra modeller (linjära, träd, ensembler) och tolka mått med säkerhet.
- Korsvalidering, baslinjer, ablation och felanalys.
- Ansvarsfull ML: dokumentation, bias-kontroller, integritet, kommunicera osäkerhet.
Upplägg & examination Självvald studietakt + två tillfällen; reflekterande text och miniprojekt.
Vem är kursen för? Deltagare som är redo att tillämpa ML i verkliga sammanhang.
1,5 högskolepoäng, nybörjarkurs på grundnivå, D0050E
Maskininlärning driver världens mest kapabla AI-system—från medicinsk bildanalys till rekommendationsmotorer och språkteknologi.
”Introduction to AI – Maskininlärning” är en fokuserad, praktisk fördjupning i de modeller, arbetsflöden och verktyg som gör ML användbart i vardagliga projekt. Du lär dig att omvandla en fråga till ett dataset och ett dataset till en modell, jämföra klassiska och moderna metoder och tolka modellprestanda med rätt mått. Genom guidade labbar och demonstrationer övar du på att välja algoritmer för klassificering och regression, sätta upp utvärderingspipelines och undvika vanliga fallgropar som dataläckage och överanpassning. Vi tar också upp ansvarsfull ML: bias, integritet, transparens och hur man kommunicerar osäkerhet till intressenter. Kursen har flexibel studietakt, ges på engelska och är anpassad för hektiska scheman med två tillfällen för frågor och erfarenhetsutbyte. Examinationen kretsar kring en reflekterande text och ett miniprojekt kopplat till din egen kontext—så att kunskaperna direkt går att omsätta. Med 1,5 ECTS och rekommenderad förkunskap ”Introduction to AI – Basic” (eller motsvarande, t.ex. Elements of AI) passar kursen dig som vill bli trygg i att bygga och använda ML ansvarsfullt och effektivt i verkliga applikationer. Kom redo att experimentera; vi står för struktur, handledning och moderna verktyg.
Du kommer att lära dig
Upplägg & examination Självvald studietakt + två tillfällen; reflekterande text och miniprojekt.
Vem är kursen för? Deltagare som är redo att tillämpa ML i verkliga sammanhang.
Du kommer att lära dig
- Rätt dataprepp, val av features och uppdelningar.
- Jämföra modeller (linjära, träd, ensembler) och tolka mått med säkerhet.
- Korsvalidering, baslinjer, ablation och felanalys.
- Ansvarsfull ML: dokumentation, bias-kontroller, integritet, kommunicera osäkerhet.
Upplägg & examination Självvald studietakt + två tillfällen; reflekterande text och miniprojekt.
Vem är kursen för? Deltagare som är redo att tillämpa ML i verkliga sammanhang.
Uppdaterad: