Tillämpad maskininlärning
I den moderna IT-världen har företagen ofta tillgång till stora mängder data som samlats in från kundhanteringssystem, webbtjänster, interaktion med kunder etc. Data i sig ger inte värde till företagen; vi måste ge mening till datan för att skapa värde. Data mining och maskininlärning är ett område inom datavetenskap med målet att ge mening till och lära från data.
Kursen kommer att fokusera på tillämpad maskininlärning, där vi lär oss vilka algoritmer och metoder som kan tillämpas på olika typer av data. Kursen ges i samverkan med Johan Hagelbäck, Head of AI, Fortnox
Målgrupp
Denna kurs är för yrkesverksamma som arbetar professionellt med programmering och utveckling – oavsett bransch eller sektor. Du kanske finns inom industrin, IT-sektorn eller ett större företag inom en helt annan bransch, du kanske arbetar som IT-konsult eller på en utvecklingsavdelning inom ett företag. Du har en del erfarenhet av programmering med dig i bagaget.
Innehåll
Kursen innehåller följande:
- Övervakad inlärning, olika typer av data och databehandling
- Algoritmer för hantering av textdokument
- Algoritmer för hantering av data med numeriska och kategoriska attribut
- Neurala nätverk
- Djupinlärning för bildigenkänning
Praktisk information
Allt material kommer att vara tillgängligt digitalt och inkluderar läsmaterial, föreläsarbilder etc. Föreläsningarna är förinspelade och du kan titta på dem när det passar dig. Kopplat till varje föreläsning finns ett livetillfälle (måndagar kl 15-17) när du kan logga in online och få hjälp av ansvarig lärare med frågor, problem du stött på eller liknande, dessa tillfällen är inte obligatoriska. Vid dessa tillfällen kommer även veckans uppgifter att arbeta vidare med att delas ut (dessa skickas även ut via mejl).
Det kommer att vara 2 workshops på plats med fokus på interaktion med läraren och deltagarna för att dela verkliga erfarenheter och insikter. Kursen kommer att ges på ett flexibelt sätt för att underlätta kombinationen av kursarbete med dina pågående professionella åtaganden. Vi rekommenderar att du arbetar med ett projekt under kursen som du har nytta av i ditt dagliga arbete, med egen data, egna problem osv.
Den totala ansträngningen för att klara denna kurs är vanligtvis cirka 80 timmar.
Undervisningsspråk: föreläsningar och och de fysiska träffarna kommer att hållas på svenska, men visst material kan vara på engelska.
Tidsplan Hösten 2024
Hösten 2024
30/9, kl. 9-12: Växjö, Course introduction (obligatorisk)
7/10, kl.15-16.30: Online, Data and Learning
14/10, kl.15-16.30: Online, Naive Bayes
21/10, kl.15-16.30: Online, Numerical regression
28/10, kl.15-16.30: Online, Decision support
4/11, kl.16-17.30: Online, Kernel methods and SVMs
11/11, kl. 9-12: Växjö, Practical cases presentation from the participants (obligatorisk)
18/11, kl.15-16.30: Online, Neural Networks
25/11, kl.15-16.30: Online, Deep Learning
2/12, kl.16-17.30: Online, Ensemble Learning
9/12, kl. 9-12: Växjö, Practical cases presentation from the participants (obligatorisk)
Tidsplan Hösten 2025
Vi tar löpande emot anmälningar och kursen planeras att des igen i slutet av september 2025 (vecka 39) till December 2025 (vecka 51).
Växjö, Course introduction (obligatorisk)
Online, Data and Learning
Online, Naive Bayes
Online, Numerical regression
Online, Decision support
Online, Kernel methods and SVMs
Växjö, Practical cases presentation from the participants (obligatorisk)
Online, Neural Networks
Online, Deep Learning
Online, Ensemble Learning
Växjö, Practical cases presentation from the participants (obligatorisk)
Behörighet
Grundläggande behörighet för denna kurs är en kandidatexamen. Kandidater med relevant arbetslivserfarenhet är också välkomna att ansöka. Två års relevant arbetslivserfarenhet anses motsvara ett år av universitetsstudier på kandidatnivå.
Tidigare deltagare tycker till
"Det bästa med kursen var helt klart de praktiska delarna"
Johan Thor är civilingenjör inom teknisk fysik från LiTH. Idag leder han digitala innovationsavdelningen hos Södra.
Vad var det bästa med kursen?
Det var helt klart de praktiska delarna som verkligen tvingade mig att lära mig en massa nytt. Jag har inte skrivit många kodrader sedan studietiden och fick därmed börja lära mig grundläggande Python-programmering. När väl det började sätta sig var det bara att hugga tag i själva machine learning-delarna, vilket jag tyckte var hur roligt som helst!
Hur fungerar det att studera och arbeta samtidigt?
För mig var det inga problem över huvud taget, jag kan styra tiden väl under arbetstid. Sen började jag ju inse att jag mer än gärna satte mig om kvällarna när barnen lagt sig för att lära mig mer om ämnet...
På vilket sätt har du haft praktiskt nytta av dina nya kunskaper?
Ja, vi har redan haft nytta av våra kunskaper. Vi tog snabbt efter kursens slut kontakt med personer ute i vår verksamhet och förklarade att vi ville prova våra nyvunna kunskaper på verkliga case. Vi håller på att definiera problemet i denna stund för att verkligen säkerställa att vi även har ett affärsvärde. Ska bli riktigt spännande!
Fick du möjlighet att diskutera relevanta problem med branschkollegor?
Vi var tre från Södra som gick kursen och vi har tack vare den kunnat bli bättre beställare på området. Eftersom vi är det team på Södra som ska leda de här frågorna så får vi ofta kontakt med bolag som säger sig kunna lösa alla våra problem med de här nya verktygen. Att själv ha använt dem på riktigt gör att man får en helt annan förståelse för var och hur man applicerar metoderna och när de inte funkar så bra, vilket gör oss till mycket bättre beställare.
Har du några medskick eller rekommendationer till kommande studerande?
Jag rekommenderar starkt att närvara och komma väl förberedd till de workshops som ges och att försöka även om man inte har en bra programmeringsmässig grund att stå på. Kan jag lära mig Python så kan alla!
"Maskininlärning och algoritmer presenterades på ett enkelt och pedagogiskt sätt"
Jacob Tallberg jobbar som senior developer och solutions architect på Infomaker i Kalmar. Tidigare har han studerat till elektroingenjör och därtill en master inom Computer Systems.
Tillsammans med hans kollegor på Infomaker i Kalmar kunde Jacob på ett tidseffektivt sätt bredda sina kunskaper med kursen Tillämpad maskininlärning då träffarna blev förlagda till deras kontor.
- Vi var ett tiotal kollegor från Infomaker som läste kursen så därmed blev träffarna förlagda till vårt kontor. Det, tillsammans med att man själv väljer när man vill kolla på föreläsningarna, gjorde kursen väldig tidseffektivt.
Infomaker tillhandahåller lösningar för publicering, arkivering och distribution av innehåll åt mediehus och tidningar. De arrangerar också hackathon och i samband med detta hade Jacob möjligheten att testa sina nya kunskaper från kursen.
- Jag och en kollega byggde en prototyp på decentraliserad och privat rekommendationstjänst av nyhetsartiklar baserat på ML. Flera andra projekt genomfördes av andra på Infomaker som deltagit i kursen, bland annat inom integrering av existerande ML SaaS tjänster i våra produkter till helt nya verktyg för att stödja reportrar i vårt digitala skrivverktyg för att exempelvis snabbare hitta matchande bilder till en artikel med hjälp av ML.
Vad var det bästa med kursen?
- Hur ett tungt ämne som maskininlärning och algoritmer presenterades på ett enkelt och pedagogiskt sätt. Det stora fokuset på praktiska övningar gör även att man väldigt snabbt kan omsätta kunskapen till att implementera användbara tjänster.
Vad vill du förmedla till kommande studerande?
- Om du är det minsta nyfiken på AI/ML så är detta en bra introduktion. Kursen kommer att ge dig en djup förståelse för både begränsningarna och möjligheterna med AI/ML. Jag kan varmt rekommendera kursen!
Denna kurs är utvecklad inom projektet expertkompetens för sociala medier och webbteknologi för innovation och tillväxt och finansieras av KK-stiftelsen. Kursen erbjuds även genom projektet Smart industri steg 2.