Gratis videreutdanning: Maskinlæring i praksis
Trenger virksomheten mer hands on kompetanse om kunstig intelligens og maskinlæring? Emnet «Utvikling og anvendelse av intelligente systemer» tilbys vårsemesteret 2022.
Vi har fått støtte til å utvikle og tilby studiet, noe som innebærer gratis deltakelse. Det er Høyskolen Kristiania, Fredrikstad Næringsforening, SINTEF, NITO, Addisco og FLT, Abelia og DigitalNorway som står bak. Påmeldingsfrist 31. januar!
Dette nettbaserte emnet er egnet for å løfte kompetansen blant ansatte som allerede har grunnleggende kjennskap til kunstig intelligens. Dette kan for eksempel være IT-utviklere, data-analytikere, rådgivere og prosjektledere med noe teknologisk bakgrunn.
Ansatte som tar dette emnet får kompetanse som kan brukes i reelle arbeidssituasjoner for å utnytte virksomhetens data bedre, automatisere og effektivisere prosesser, og finne nye måter å løse oppgaver på. Dyktige fagfolk tilknyttet høyskolen vil belyse sentrale utfordringer, løsninger og anvendelser innenfor kunstig intelligens, og gå gjennom sentrale temaer innenfor fagfeltet. Dette inkluderer data og maskinlæring som prosess, veiledet og ikke-veiledet læring, dyp læring, overføringslæring, forsterkende læring, testing og evaluering, og forklarbarhet.
Kunstig intelligens representerer store muligheter for både næringslivet og offentlig sektor. Med dette emnet kan virksomheten både utvikle sine ansatte og skaffe seg relevant kompetanse innen fagområdet.
Anbefalt forkunnskap
Emnet bygger videre på «Innføring i intelligente systemer». Man trenger ikke ha tatt innføringsemnet for å ta dette emnet, men bør kjenne til storparten av begrepene gjengitt i begrepslisten helt nederst. Forklaring av disse begrepene vil, sammen med læringsfilmene fra innføringsemnet, være tilgjengelig for alle som tar «Utvikling og anvendelse av intelligente systemer», og dette vil kunne bidra til å oppnå den anbefalte forkunnskapen.
Man bør kunne noe programmering for å ta emnet, da studentene vil arbeide med kjørbar Python-kode. Det er ikke nødvendig å være en erfaren programmerer, men man bør kjenne Python godt nok til å kunne lese og forstå programkode, og gjøre enkle justeringer av eksisterende kode. Grunnleggende matematisk forståelse er også anbefalt.
Formelt opptakskrav er generell studiekompetanse eller godkjent realkompetanse.
Om studiet
Emnet gir 5 studiepoeng. Det følger en fleksibel, nettbasert studiemodell som kan kombineres med jobb og privatliv. Noe av læringsmaterialet er på norsk, og noe på engelsk, men alle filmer tekstes på norsk. Emnet gjennomføres for første gang i vår. Takket være offentlig finansiering fra HK-dir er denne gjennomføringen gratis.
Anbefalt arbeidsinnsats er cirka 140 timer fra januar til mai/juni 2022.
Den digitale ressursbanken er tilgjengelig fra 17. januar, første samling er 17. februar. For å gå opp til eksamen, må man først få godkjent en obligatorisk innsendingsoppgave. Studentene vil få personlig tilbakemelding fra en faglig dyktig veileder. Eksamen gjennomføres som en seks ukers semesteroppgave med innlevering mai/juni 2022.
Det gjennomføres to studentsamlinger på dagtid. Den første holdes 17. februar. Det er mulig å delta digitalt eller møte fysisk opp i Oslo. Den andre samlingen blir digital og holdes når semesteroppgaven utleveres i april, ca. uke 14–17.
Oppmelding til emnet gjøres via denne lenken, senest 31. januar: https://www.kristiania.no/studier/nettstudier/enkeltemne/utvikling-og-anvendelse-av-intelligente-systemer/
Mer om forkunnskaper: Begreper man bør kjenne til
For å ta emnet bør man kjenne til storparten av begrepene nedenfor, som ble gjennomgått i innføringskurset.
Veiledet læring, ikke-veiledet læring, modeller, klassifisering, regresjon, kategoriske og numeriske variabler, uavhengige og avhengige variabler, treningsdata, testdata, evaluerings-/valideringsdata, evalueringsmetrikker, nøyaktighet, sensitivitet, presisjon, stordata, sampling, tidsserier, åpne datasett, data-bias/-skjevhet, GDPR, etiske rammeverk, utforskende dataanalyse, Pearsons korrelasjonskoeffisient, feature engineering, hyperparametertuning, overtilpassing, nevrale nettverk, nevroner, skjulte lag, aktiveringsfunksjoner, tapsfunksjoner, RMSE, gradient descent, konvolusjonsnett (CNN), tilbakekoblede nett (RNN), tre-baserte modeller, beslutningstrær, random forest, klyngedeling, prinsipalkomponentanalyse, anbefalingssystemer, auto-enkodere, regularisering, embeddinger, ordinærkoding, en-hot-koding, naturlig språkbehandling, overføringslæring, forklarbar kunstig intelligens, SHAP, SAGE og dimensjonsreduksjon.
Dato/tid
17. februar, 2022
Kl: 9.00 - 16.00
Pris: Gratis
Sted: , ,