Vad producerar systemet?

PedalShare byggde AI-systemet ovan för att förutsäga hur många cyklar som kommer att hyras ut imorgon. Ett prediktivt AI-system tar emot indata, bearbetar dem i en process och producerar ett resultat.

Kör systemet och utforska dess delar, välj sedan det alternativ som är systemets utdata.

Den här övningen är en del av kursen

Förstå artificiell intelligens

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen

Den här övningen är en del av kursen

Förstå artificiell intelligens

SkillTag.level.beginnerSkillTag.label

4.8+

Starta kursen gratis

Ta dina första steg in i AI-världen! Artificiell intelligens har snabbt gått från att vara ett renodlat vetenskapligt ämne till ett brett fält med otaliga tillämpningar – inom näringsliv, industri och vår vardag. Du får lära dig vad AI är, vilka typer av problem det kan lösa och vilka begränsningar som finns i dag. Du får också en bred förståelse för de delområden som ingår i AI och dess närliggande discipliner.

Exercise 1: Vad är artificiell intelligens?Exercise 2: Uppfyller det definitionen av AI?Exercise 3: Smal idag, generell imorgon?Exercise 4: Vad kan AI göra?Exercise 5: Vilken förmåga använder planeraren?Exercise 6: Vilket system använder prediktioner och inferens?Exercise 7: Områden och relaterade discipliner inom AI Exercise 8: Vilken disciplin hjälper roboten att se?Exercise 9: Lyssna och lär

Vilka kärnfunktioner har AI-system, och vad erbjuder varje delområde? Var kommer datan som driver AI-system ifrån, och hur använder tekniker som maskininlärning data för att lösa olika problem? Det här kapitlet svarar på dessa frågor och mer. Du ser hur olika former av AI samlar in data, lär sig av den och interagerar med sin omgivning – oavsett om det rör sig om den fysiska eller digitala miljön.

Exercise 1: Algoritmer och AI-system på klarspråk Exercise 2: Vad producerar systemet?

Aktuell övning

Exercise 3: Avslöja ett AI-system för hotellbokning Exercise 4: Inhämtning av data Exercise 5: Vilket system är en äkta avkännings- och handlingsloop?Exercise 6: Strukturerat eller ostrukturerat?Exercise 7: Lära sig från data Exercise 8: Träna och klassificera med pingviner Exercise 9: Vilken uppgift kräver oövervakad inlärning?Exercise 10: Djupinlärning är här för att stanna Exercise 11: Interaktera med omgivningen Exercise 12: Vilken NLP-uppgift hittar vad kunderna tycker?Exercise 13: Robotik, datorseende och naturlig språkbehandling – sortera rätt

Dags att ge sig in i AI:s spännande roll inom näringsliv och organisation! Det här kapitlet tar upp grundläggande begrepp, riktlinjer och bästa praxis för att bygga eller bli en AI-driven organisation. Oavsett om målet är att tillföra intelligens i produkter, tjänster och projekt eller att effektivisera verksamhetens processer, kommer du i slutet av kapitlet att förstå de viktigaste byggstenarna: kultur, data och infrastruktur samt hur man sätter samman kompetenta AI-team. Du får också lära dig om utmaningar längs vägen och ta del av framgångsexempel från stora företag som gjort AI till en central del av sin verksamhet.

Exercise 1: Etablera en AI-kultur Exercise 2: Fyra ingredienser för AI-drivna organisationer Exercise 3: Förbered organisationen Exercise 4: Datastrategi, resurser och människor Exercise 5: Välj rätt infrastruktur Exercise 6: MLOps-filosofin Exercise 7: Bygg ditt team!Exercise 8: Är ditt driftsatta AI-system framgångsrikt?Exercise 9: Vad händer med den här modellen?Exercise 10: Ett akademiskt koncepttest (PoC)Exercise 11: Utmaningar och framgångshistorier Exercise 12: Sätt att främja en AI-kultur Exercise 13: Paola och modeprojektet

I kursens sista del fördjupar vi oss i kopplingen mellan AI och dess påverkan på människor och samhälle. Vi behandlar ämnen som AI-demokratisering och ansvarsfull AI – inklusive etik, tolkningsbarhet, rättvisa och säkerhet – alla avgörande aspekter för att utveckla AI-system som påverkar våra liv positivt. Avslutningsvis blickar vi framåt och kartlägger de möjligheter och utmaningar som AI erbjuder när det gäller att forma en hållbar framtid.

Exercise 1: Demokratisering av artificiell intelligens Exercise 2: Bästa praxis för AI-demokratisering Exercise 3: Öppna dörrarna till öppna data Exercise 4: Förklarbarhet och tolkningsbarhet Exercise 5: Följ pingvinens väg Exercise 6: Läs SHAP-förklaringarna Exercise 7: Samhällsutmaningar: etik, rättvisa och integritet Exercise 8: Datadelning för AI-framsteg Exercise 9: Partiskt eller opartiskt beteende?Exercise 10: Det partiska fordonet Exercise 11: Samhällsutmaningar: AI:s framtid Exercise 12: Hållbar AI i många former Exercise 13: Paola och den mänskliga sidan av AI Exercise 14: En resa slutar, en annan börjar