Overordnede kursusmål
Kurset sigter mod at give studerende en dyb forståelse af signal-
og dataanalyse inden for rammerne af AI-systemer, med fokus på
repræsentation, forbedring og fortolkning af komplekse signaler
såsom billeder, lyd og tekst. Gennem brugen af Python og avancerede
AI-metodologier, herunder maskinlæringsmodeller og neurale netværk,
vil studerende lære at behandle og analysere signaler, idet de
adresserer forskellige udfordringer. Kurset er designet til at
bygge bro mellem teoretiske koncepter og praktiske anvendelser,
hvilket gør det muligt for studerende at anvende deres viden på
virkelige AI-udfordringer og at kommunikere deres fund effektivt.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
- Diskuter principperne for billedanalyse, herunder
repræsentation af gråskala- og RGB-billeder, og anvend
nøgleafstandsmål for billedsammenligning
- Forstå principperne for billedfiltrering, herunder konvolution
og indvirkningen af padding, og udforsk grundlæggende om CNN'er
med fokus på at forebygge overtilpasning og under-tilpasning.
- Diskuter signalbehandlingskoncepter såsom at skelne mellem
analoge og digitale signaler.
- Forstå signalbehandlingsteknikker, herunder
Fourier-transformationer og filtrering, med anvendelser på
virkelige data som lyd, EEG og hjertesignaler.
- Identificer en grundlæggende forståelse af naturlig
sprogbehandling ved at lære om Bag-of-Words og Latent Semantisk
Analyse, samt hvordan man implementerer avancerede
GloVe-indlejringer og FastText.
- Diskuter avancerede AI-emner, herunder transferlæring,
opmærksomhedsmekanismer og kapaciteterne hos prominente
Transformer-modeller som BERT og GPT, for sofistikeret signal- og
dataanalyse.
- Vurder effektiviteten af de tidligere modeller i virkelige
anvendelser, ved kritisk at vurdere deres præstation og
identificere potentielle forbedringer.
- Anvend teoretisk viden på virkelige problemer ved brug af
Python og Python-notebooks, hvilket forbedrer læring gennem
praktisk implementering, med støtte fra AI-kodningsassistenter som
GitHub Copilot til at forbedre kodningsfærdigheder og forståelse af
de tilbudte kodeeksempler.
Kursusindhold
Studér AI-signaler såsom billeder, lyd og tekst, med stærk vægt på
vektorrumsrepræsentationer på tværs af disse forskellige datatyper
for at forbedre signaltræk og undertrykke støj. Forstå principperne
bag 1D og 2D for effektiv signalbehandling. Udforsk avancerede
AI-emner, herunder relative repræsentationer, transferlæring og den
revolutionerende indvirkning af opmærksomhedsmekanismer i
Transformere, med særligt fokus på applikationer som BERT og GPT.
Engager dig i praktiske Python-øvelser og interaktive notebooks for
at visualisere, fortolke og manipulere AI-signaler, integrerende
praktiske anvendelser og teoretiske koncepter.
Litteraturhenvisninger
Forelæsningsnoter, Python-notesbøger, relevante opslagsbøger og
nyere forskningsartikler
Sidst opdateret
02. maj, 2024