Umělá inteligence a strojové učení: teorie a praxe
Lady Margaret Hall, University of Oxford
Klíčová informace
Umístění kampusu
Oxford, Spojené království
Jazyky
Angličtina
Studijní formát
Dálkové studium, Na kampusu
Doba trvání
3 weeks
Tempo
Plný úvazek
Školné
GBP 3 980 / per course *
Uzávěrka přihlášek
10 May 2024
Nejbližší datum zahájení
24 Jun 2024
* pro bydlení: 9 týdnů | pro online: 9 týdnů – 3 960 GBP
Úvod
V našem věku rozvíjejících se chytrých technologií a automatizace již vidíme transformační potenciál umělé inteligence a strojového učení v tak rozmanitých oborech, jako jsou finance, medicína a výroba. Tento kurz nabízí praktický úvod do této oblasti výzkumu zaměřeného na budoucnost.
Začnete úvodem do základů programování v Pythonu, zejména pochopením objektově orientovaného programování a jeho významu pro hluboké učení. Rychle přejdete k úvodu do umělé inteligence a prozkoumáte základy strojového učení pod dohledem, včetně lineární regrese, logistické regrese, neuronových sítí a gradientního sestupu. Ve druhém týdnu kurzu prozkoumáte zpracování obrazu, zkoumání transformací, konvoluční filtry a detekci hran a poté se seznámíte s konvolučními neuronovými sítěmi a některými významnými architekturami CNN, jako jsou VGG a ResNet. V závěrečné části kurzu se podíváte na základní koncepty zpracování přirozeného jazyka, včetně sekvenčního modelování, autoregresivních modelů a rekurentních neuronových sítí.
Tento intenzivní kurz nabízí jak teoretický úvod do konceptů umělé inteligence a strojového učení, tak příležitost uplatnit tyto znalosti v praxi při řešení malých praktických problémů z různých oblastí.
Termíny a dostupnost
K dispozici jako rezidenční nebo online kurz v následujících termínech:
1. zasedání: 24. června až 12. července 2024
Zasedání 3: 5. srpna až 23. srpna 2024
Galerie
Ideální studenti
Tento kurz by vyhovoval studentům STEM v pregraduálním nebo vstupním postgraduálním studiu. Vyžaduje se základní znalost kalkulu a lineární algebry a doporučuje se určitá zkušenost s kódováním. Předchozí zkušenosti s umělou inteligencí, strojovým učením nebo programovacím jazykem Python nejsou vyžadovány.
Přijímací řízení
Výsledek programu
Na konci tohoto kurzu budete:
- Pochopit teoretické koncepty umělé inteligence a strojového učení.
- Vědět, jak se v praxi používají základní nástroje umělé inteligence a strojového učení.
- Umět implementovat základní algoritmy a trénovat malé sítě na praktické problémy.
- Umět identifikovat a používat relevantní nástroje umělé inteligence a strojového učení ve výzkumu.
- Vědět, jak implementovat a nasadit algoritmy umělé inteligence a strojového učení ve službě Google Cloud.