Branschkunskap
Kursen omfattar:
• Området artificiell intelligens
• Kunskapsrepresentationer
• Metoder och teorier
• Fördjupning inom Agilt förhållningssätt
Grundläggande programmering i Python
Kursen omfattar: Grunderna i programmering med Python • Ett programs struktur och uppbyggnad • Omvandling av källkod till maskinkod • Sekvens, upprepning, selektion, datatyper, funktioner och objektorienteringens principer • Versionshanteringssystem (GIT) • Verktyg för felsökning, felkorrigering, validering och test i programkoden
Webbramverk
Kursen omfattar: Kravanalys och objektorienterad design av system med ramverk som finns tillgängliga för Python • Begrepp och tillvägagångssätt inom projektarbete • Grafisk systemmodellering med hjälp av UML • HTML och Java Script
Maskininlärning, teori och praktisk tillämpning
Kursen omfattar: Maskininlärning som koncept • Hur man bygger modeller genom algoritmer som lär sig av data • Begrepp och fundament bakom maskininlärning • Fördelar och nackdelar med maskininlärning och djupt lärande
Maskininlärning och Deep Learning
Kursen omfattar: Moduler för att tolka och preparera data • Enhetligt ramverk, begrepp och metoder inom maskininlärning för att formulera, strukturera och lösa problem • Maskininlärningsmetoder och maskininlärningsmodeller och hur dessa relaterar till AI (artificiell intelligens)
Effektiv Pythonprogrammering
Kursen omfattar: Fördjupning i Pythonprogrammering för att kunna skriva effektiva, välstrukturerade och väldokumenterade program • Algoritmer och strukturer i Python • Comprehensions, generators, decorators och lambda • Skapa klasser med inbyggda modeller som Python erbjuder
LIA 1
Praktikperiod 1. Målet med kursen: Utveckla specialiserad kunskap om programmering i Python, databasteknik, webbramverk, maskininlärning och Deep Learning • Kunna arbeta i projektform • Kunna förklara LIA-företagets roller och uppbyggnad • Kunna redogöra för hur LIA-företaget utför maskininlärning
Applicerad AI
Kursen omfattar: Implementering och utveckling av artificiell intelligens • AI-områdets bakgrund, historia, utmaningar och inriktningar • Begrepp, metoder och teorier för sökning • Artificiella neutrala nätverk • Planering i proaktiva agenter • Genetiska algoritmer • Multipla autonoma agenter • Svärmintelligens
LIA 2
Praktikperiod 2. Målet med kursen: Kunna tillämpa applicerad AI och agila förhållningssätt • Kunna ta en aktiv roll som projektmedlem • Kunna utföra omvärldsbevakning • Självständigt kunna utföra arbetsuppgifter inom branschen
Examensarbete
Ett självständigt arbete som omfattar: Planering och upprättande av projektplan • Informationssökning, bearbetning och analys av teoretisk och empirisk data • Källkritik och källhänvisning • Genomförande av ett självständigt skriftligt arbete av relevans för utbildningen • Presentation och opponering
