Ta nästa steg i utvecklingen av din kunskap och förståelse för artificiell intelligens.

Målgrupp

Certifikatet Artificial Intelligence Foundation är riktat till personer som har ett intresse för eller behov av AI inom en organisation, särskilt de som arbetar inom områden som vetenskap, teknik, kunskapsteknologi, finans eller IT-tjänster.

Följande yrkesroller är särskilt relevanta:
• Ingenjörer
• Forskare
• Professionella forskningschefer
• Teknologichefer
• Informationschefer
• Förändringsledare och -chefer
• Affärsutvecklingsledare och -chefer
• Servicearkitekter och -chefer
• Program- och planeringschefer
• Serviceleverantörsportföljstrateger / ledare
• Processarkitekter och -chefer
• Affärsstrateger och konsulter
• Webbutvecklare

Utbildningsmål

Denna kurs ger en översikt över AI:s grundläggande principer, dess potentiella användningsområden och förmågor, samt hur man kan utvärdera AI-produkter och -tjänster från olika perspektiv. Under kursen kommer vi att ta upp AI-exempel, som nyligen uppmärksammats i media med start i chatbots som Google Assistant och ChatGPT. AI är mycket mer än bara chatbots, men vi kommer även att diskutera dessa för att lära oss bästa praxis och vanliga fallgropar.

Denna 3-dagars kurs täcker AI:s potentiella fördelar; typer av artificiell intelligens (AI); den grundläggande processen för maskininlärning (ML); utmaningar och risker med AI-projekt samt AI:s framtid och dess roll i arbetslivet.

Förkunskaper

Inga särskilda förkunskaper krävs.

Innehåll

Etisk och hållbar human och artificiell intelligens (AI)

• Definiera allmänt vad mänsklig och artificiell intelligens (AI) är
• Beskriva konceptet intelligenta agenter
• Redogöra för ett modernt synsätt på mänskliga tänkandenivåer genom Robert Dilts modell
• Förklara vad som menas med etik och pålitlig artificiell intelligens (AI)
• Definiera allmänt begreppet etik
• Förklara hur ett människocentrerat etiskt syfte respekterar grundläggande rättigheter, principer och värden
• Beskriva att etiskt syfte i AI uppnås genom pålitlig AI som är tekniskt robust
• Förklara hur det människocentrerade etiska syftet med pålitlig AI kontinuerligt utvärderas och övervakas
• Redogöra för de tre grundläggande hållbarhetsområdena och FN:s sjutton hållbarhetsmål
• Beskriva hur AI ingår i "universell design" och "den fjärde industriella revolutionen"
• Förstå att maskininlärning (ML) bidrar betydligt till AI:s utveckling
• Redogöra för "att lära sig av erfarenheter" och dess koppling till ML enligt Tom Mitchells definition

Artificiell intelligens (AI) och robotik

• Visa förståelse för beskrivningen av AI-intelligenta agenter
• Lista de fyra beroendefaktorerna för rationella agenter
• Beskriva agenter utifrån prestationsmått, miljö, ställdon och sensorer
• Beskriva fyra typer av agenter: reflex, modellbaserad reflex, målorienterad och nyttobaserad
• Identifiera kopplingen mellan AI-agenter och maskininlärning (ML)
• Beskriva vad en robot är
• Redogöra för robotiska paradigm
• Förklara vad en intelligent robot är
• Koppla intelligent robotik till intelligenta agenter

Använda fördelarna med AI – utmaningar och risker

• Förklara hur hållbarhet är relaterat till människocentrerad etisk AI och hur våra värderingar kommer att styra vår användning av AI och förändra människor, samhällen och organisationer
• Beskriva fördelarna med AI
• Lista fördelarna med maskin- och människa-maskinsystem
• Redogöra för utmaningarna med AI
• Ge exempel på etiska utmaningar som AI medför
• Ge exempel på begränsningar hos AI-system jämfört med mänskliga system
• Visa förståelse för riskerna med AI-projekt
• Ge minst ett exempel på AI-projektrisker
• Beskriva en typisk AI-projektgrupp
• Redogöra för en domänexpert
• Beskriva vad som menas med "fit-for-purpose"
• Förklara skillnaden mellan vattenfalls- och agila projekt
• Lista möjligheter för AI
• Identifiera en typisk finansieringskälla för AI-projekt och koppla detta till NASA:s teknikmognadsnivåer (TRL)

Att påbörja AI: hur man bygger en maskininlärningsverktygslåda – teori och praktik

• Beskriva hur vi lär från data – funktionalitet, mjukvara och hårdvara
• Lista vanlig öppen källkod för maskininlärningsfunktionalitet, mjukvara och hårdvara
• Beskriva inledande teorier kring maskininlärning (ML)
• Redogöra för vanliga uppgifter i databeräkning
• Redogöra för vanliga typer av ML-algoritmer
• Beskriva vanliga metoder för datavisualisering
• Kunna vilka specifika AI-funktioner som är användbara inom ML och AI-agenternas funktionalitet

Ledning, roller och ansvar för människor och maskiner

• Visa förståelse för att AI (speciellt ML) kommer att leda till att människor och maskiner arbetar tillsammans
• Lista framtida utvecklingsområden för samarbete mellan människor och maskiner
• Redogöra för en agil metodik för projekt som innebär "att lära sig av erfarenheter"
• Beskriva de typer av teammedlemmar som behövs i ett agilt projekt

Kursen levereras genom vår utbildningspartner: Global Knowledge