Maskinlæring handler om å få datamaskiner til å automatisk lære og gjenkjenne komplekse mønstre i data og gjøre beslutninger basert på dette. Bilder fra kamera eller tidsserier fra sensorer, er eksempler på data vi kan benytte oss av.
I løpet av to kursdager, går vi gjennom en del grunnleggende teori og byggesteiner for dyp læring med nevrale nett, men legger opp til en praktisk tilnærming til maskinlæring i dette kurset. Formålet er å leke oss med maskinlæring og å se at det ikke er så mystisk og vanskelig som man kanskje skulle tro. Vi holder hele tiden fokus på konkrete anvendelser, og drøfter også hvilke avveininger man bør gjøre før man satser på å løse et problem ved hjelp av maskinlæring. Kurset krever ingen forkunnskaper, men noe erfaring innen programmering med f.eks. Python vil være en fordel.
Dag 1: Introduksjon til maskinlæring med nevrale nett
Intro, motivasjon og eksempler på anvendt bruk
Gjennomgang av begreper og (bittelitt) teoretisk oversikt.
“Computer Vision” og bildebehandling
«Transfer learning» og datasett
Introduksjon til Tensorflow & Keras i Python
Eksempelcase: Automatisk kvalitetskontroll med kamera
Dag 2: Praktisk case-løsning
Gjennomgang av caser
Eksempelcase: Tidsserier fra sensorer
Analyse, ytelse på modellen, diskusjon
Hvordan ta i bruk maskinlæring i din bedrift?
Om kursholderen:
Anders Granskogen Bjørnstad er leder for IoT og Maskinlæring i IT-selskapet Axbit AS. Han har en M.Sc i Teknisk Fysikk og er spesialist på vitenskapelig programvareutvikling og maskinlæring. Han har også bred erfaring fra programmering, skytjenester, web-apper og databaser.
Budskapet fra Anders er at vi burde ha kunnskap og begrep om maskinlæring som et verktøy. Maskinlæring som verdiskapende verktøy skal verken undervurderes eller overvurderes.
