AI+ Architect™ - eLearning (examen ingår)

5.450,00 SEK

  • 40 hours
eLearning

AI+ Architect-certifieringen är ett avancerat program utformat för molnarkitekter, som ger en djupgående inblick i Artificiell Intelligens (AI) och dess praktiska tillämpningar. Läroplanen börjar med grundläggande principer för neuronnät och går vidare till avancerade ämnen som optimering, justering av hyperparametrar och regularisering. Eleverna arbetar med AI-arkitekturer inklusive återkommande neuronnät (RNNs), nätverk för lång korttidsminne (LSTMs), Transformers och konvolutionella neuronnät (CNNs), och tillämpar dem i projekt inom naturalspråksbearbetning (NLP) och datorseende.

Nyckelfunktioner

Språk

Kurs och material på engelska

Nivå

Avancerad nivå (Kategori: AI+ Teknisk)

1 års plattformsåtkomst

och Virtuellt praktiskt laboratorium ingår

40 timmar av videolektioner & multimedia

Rekommendation om 50 timmars studietid

Material

Video, PDF-material, ljudböcker, poddsändningar, frågesporter och bedömningar.

Examen

Onlineövervakat prov med en gratis omtentamen

Certifikat

Intyg om genomförande ingår. Giltigt i 1 år

Verktyg du kommer att bemästra

AutoGluon, ChatGPT, SonarCube, Vertex AI

Hero

Om kursen

Föreställ dig framtiden: Neurala nätverk för syn

  • Avancerad AI-behärskning: Utforska neuronnät, NLP och ramverk för datorseende.
  • Företagsskalig AI: Lär dig att utveckla skalbara AI-system med verkliga tillämpningar.
  • Examensarbete: Designa, testa och distribuera avancerade AI-arkitekturer.
  • Karriärklara färdigheter: Förbered dig för eftertraktade roller inom AI-systemdesign och implementering.

Programmet behandlar också AI-infrastruktur, implementeringsstrategier och etiska överväganden för att säkerställa ansvarsfull AI-utveckling. Genom ett avslutande projekt får deltagarna visa sin förmåga att hantera arkitektoniska utmaningar med hjälp av AI, vilket rustar dem för att leda i teknikdrivna miljöer med större precision, effektivitet och innovation.


Varför denna certifiering är viktig

Använd AI-verktyg för att förbättra designeffektivitet, skalbarhet och prestanda.

AI Cloud

Lärandemål

I slutet av denna kurs kommer du att kunna:

AI-utveckling från början till slut

Designa kompletta AI-pipelines, från förbehandling av data och modellbyggande till distribution, och säkerställ integration med infrastruktur och skalbarhet.

Avancerade neurala nätverk

Implementera komplexa neuronnätsarkitekturer med hjälp av ramverk som TensorFlow och PyTorch för NLP och datorseendeapplikationer.

AI-forskning & innovation

Tillämpa banbrytande AI-forskning och designstrategier för att täcka luckor och ligga i framkant i det ständigt utvecklande AI-landskapet.

Generativa AI-tekniker

Utforska generativa AI-modeller och deras tillämpningar inom kreativa industrier, forskning och design av automatiserade system

Kurstidslinje

Hero
  1. Grundläggande om neurala nätverk

    Lektion 1

    • 1.1 Introduktion till neurala nätverk
    • 1.2 Neurala nätverksarkitekturen
    • 1.3 Praktiskt arbete: Implementera ett grundläggande neuralt nätverk
  2. Optimering av neurala nätverk

    Lektion 2

    • 2.1 Inställning av hyperparametrar
    • 2.2 Optimeringsalgoritmer
    • 2.3 Regulariseringstekniker
    • 2.4 Praktiskt arbete: Inställning och optimering av hyperparametrar
  3. Neurala nätverksarkitekturer för NLP

    Lektion 3

    • 3.1 Nyckelbegrepp inom NLP
    • 3.2 Arkitekturer specifika för NLP
    • 3.3 Praktiskt arbete: Implementering av en NLP-modell
  4. Neurala nätverksarkitekturer för datorseende

    Lektion 4

    • 4.1 Nyckelbegrepp inom datorseende
    • 4.2 Arkitekturer specifika för datorseende
    • 4.3 Praktiskt arbete: Att bygga en datorseendemodell
  5. Modellutvärdering och prestandamått

    Lektion 5

    • 5.1 Tekniker för modellutvärdering
    • 5.2 Förbättra modellens prestanda
    • 5.3 Praktiskt arbete: Utvärdering och optimering av AI-modeller
  6. AI-infrastruktur och distribution

    Lektion 6

    • 6.1 Infrastruktur för AI-utveckling
    • 6.2 Utrullningsstrategier
    • 6.3 Praktiskt arbete: Implementering av en AI-modell
  7. AI-etik och ansvarsfull AI-design

    Lektion 7

    • 7.1 Etiska överväganden inom AI
    • 7.2 Bästa praxis för ansvarsfull AI-design
    • 7.3 Praktiskt arbete: Analysera etiska överväganden inom AI
  8. Generativa AI-modeller

    Lektion 8

    • 8.1 Översikt av generativa AI-modeller
    • 8.2 Generativ AI-tillämpningar inom olika domäner
    • 8.3 Praktiskt arbete: Utforska generativa AI-modeller
  9. Forskningsbaserad AI-design

    Lektion 9

    • 9.1 AI-forskningstekniker
    • 9.2 Banbrytande AI-design
    • 9.3 Praktiskt arbete: Analys av AI-forskningsrapporter
  10. Examensarbete och kursutvärdering

    Lektion 10

    • 10.1 Examensarbetspresentation
    • 10.2 Kursutvärdering och framtida riktningar
    • 10.3 Praktiskt arbete: Utveckling av examensprojekt
  11. AI-agenter för arkitekter

    Valfri modul

    • 1. Att förstå AI-agenter
    • 2. Fallstudier
    • 3. Praktisk övning med AI-agenter
AI-arkitekt

Vem bör anmäla sig till detta program?

Arkitekturproffs: Integrera AI för smartare, skalbara designlösningar.

Systemarkitekter & ingenjörer: Använd AI för att bygga avancerade, automatiserade infrastrukturer.

IT-infrastrukturchefer: Optimera planering och implementering med AI.

Företagsledare: Driv omvandling med AI-drivna lösningar.

Studenter & nyutexaminerade: Få en fördel med kompetens inom AI-arkitektur.

Starta kursen nu

Industritillväxt

Drivande skalbara, intelligenta arkitekturlösningar

  • Den globala marknaden för AI inom arkitektur förväntas växa med en CAGR på 38,6 % från 2021 till 2028.
  • AI-driven design och automatisering förvandlar byggbranschen, fastighetssektorn och stadsplaneringen, vilket förbättrar hållbarheten.
  • Ökad användning av AI för prediktiv design, virtuella simuleringar och smart byggnadsförvaltning.
  • AI-innovationer omformar byggbranschen och planeringen av smarta städer, förbättrar energieffektiviteten och stadsutvecklingen.
  • Ökad efterfrågan på AI-förstärkt arkitektur inom kommersiella fastigheter, infrastruktur och stadsprojekt.

Mer information

Förkunskapskrav

  • Grundläggande förståelse för neurala nätverk, inklusive deras struktur och optimering för praktiska tillämpningar.
  • Förmågan att bedöma modellprestanda med hjälp av olika metriker för att säkerställa noggrannhet och tillförlitlighet.
  • Intresse för att lära sig om AI-infrastruktur och distribution för att effektivt implementera och underhålla AI-system.

Provuppgifter

  • Varaktighet: 90 minuter
  • Godkänd: 70% (35/50)
  • Format: 50 flervalsfrågor/flervalsfrågor med flera svar
  • Leveransmetod: Online via övervakad examinationssystem (flexibel schemaläggning)
  • Språk: Svenska

Licensiering och ackreditering

Denna kurs erbjuds av AVC enligt Partnerprogramavtalet och uppfyller kraven i Licensavtalet.

Aktiepolicy

AVC tillhandahåller inte boende på grund av en funktionsnedsättning eller medicinskt tillstånd hos någon student. Kandidater uppmuntras att kontakta AVC för vägledning och stöd under hela anpassningsprocessen.


Vanliga frågor

Behöver du en företagslösning eller integration av LMS?

Hittade du inte kursen eller programmet som skulle passa för ditt företag? Behöver du LMS-integration? Skriv till oss! Vi löser det!