Tillämpad maskininlärning och AI med fokus på verksamhetsutveckling

Detta utbildningsprogram är en gedigen analytisk utbildning där deltagarna erhåller praktiskt tillämpbara kunskaper om hur artificiell intelligens (AI) och maskininlärning (ML) kan användas för att få nytta av tillgängliga data och skapa största möjliga värde för verksamheten. Genom denna utbildning vidareutvecklas dina färdigheter gällande systematiskt och faktabaserat problemlösningsarbete samtidigt som du tränas i användandet av en mer avancerad problemlösningsverktygslåda. Deltagarna erhåller den kompetens som en förbättringsledare eller dataanalytiker behöver för att kunna arbeta med och stötta förbättringsarbetet i en organisation med hjälp av fördjupade analyser. Till skillnad mot teoretisk maskininlärning, som man lär ut på högskolan, bygger denna utbildning på tillämpad ML där tonvikten ligger på praktisk tillämpning och möjligheterna att uppnå verksamhetsrelaterade resultat.

Syfte
Deltagarna ska genom denna utbildning nå den professionella nivå som behövs för att kunna tillämpa artificiell intelligens (AI) och effektiva ma-skininlärningsmetoder (ML) på ett sådant sätt att mätbara förbättringar av lönsamhet, kostnadseffektivitet, kundnöjdhet och hållbarhet uppnås. Avsikten är att deltagarna efter genomgången kurs ska kunna leda förbättringsprojekt och hjälpa förbättringsgrupper genom att tillämpa ML och liknande verktyg inom avancerade analyser.

Innehåll
• Utvecklingsmiljöer för artificiell intelligens och maskininlärning så som Minitab, Python och JupyterLab
• Metodik för systematiskt förbättringsarbete i form av DMAIC
• Maskininlärning och och artificiell intelligens samt dess möjligheter inom olika områden och branscher
• Grunderna i maskininlärning så som avvägning mellan bias och varians, korsvalidering, känslighet, specificitet och noggrannhet
• Datahantering i Minitab och Python
• ML-verktygen linjär regression, multipel regression, logistisk regression samt ROC och UAC-kurva
Vi fokuserar på och lär oss ML-verktygen:
• K-means-klusteranalys
• Hierarkisk klusteranalys
• Gaussian Naive Bayes klassificerare
• Hierarkisk Naive Bayes klassificerare
• Multinomial Naive Bayes klassificerare
• Bernoulli Naive Bayes klassificerare
• Principalkomponentanalys (PCA)
• Stödvektormaskin (SVM)
• K-närmaste granne (KNN)
• Linjär diskriminantanalys (LDA)
• Kvadratisk diskriminantanalys (QDA)
• Regularisering Ridge regression, Lasso regression och Elastic Net regression
• Klassificeringsträd
• Regressionsträd
• Klassificeringsträd Random Forest och Gradient boosting
• Neurala nätverk – Enkel perceptron och Flerlagers perceptron (MLP)
• Rekurrenta neurala nätverk (RNN):
• Konvolutionella neurala nätverk (CNN):

Övrig info
Utbildningen genomförs med föreläsningar, diskussioner och gruppövningar. Utbildningen är uppbyggd som blended learning där fysisk klassrumsutbildning kombineras med onlinutbildning för bästa lärande.

Parallellt med utbildningen genomför deltagarna tillämpade ML-projekt i sina egna verksamheter. Mellan kurstillfällena ingår digitala coacningträffar.

Deltagarna arbetar även via ett flipped classroom mellan utbildningsblocken genom inspelade föreläsningar, e-learning, litteratur samt övningar. Allt med syfte att utveckla dem maximalt i sin analytiska roll.

ML-utbildningen leds av konsulter från Sandholm Associates. Efter genomförd utbildning och examination diplomeras deltagarna som Applied Machine Learning Developer.

Kursen håll i våra kurslokaler på Tegnergatan 40 i Stockholm och online i realtid via Zoom

Kursdatum
Block 1: 27 september december (online via Zoom)
Block 2: 9-11 oktober (Tegnergatan 40) med välkomstmiddag 10 oktober
Block 3: 20-21 november (online via Zoom)
Block 4: 11-12 december samt 16 januari (online via Zoom)
Block 5: 12-14 februari (Tegnérgatan 40) med eftersnack 13 februari kl 17.00-18.00
Block 6: 4-5 mars (online via Zoom)
Block 7: 2-3 april (Tegnérgatan 40) med avslutsmiddag 2 april

Kursplats
Fyra block online via Zoom och tre på Tegnérgatan i Stockholm

Produktblad
TillampadML.pdf