Omsæt data til fremtidens løsninger
I disse år bliver der udviklet en masse teknikker og værktøjer til Machine Learning og kunstig intelligens, som gør computere i stand til at udføre en række vitale opgaver. Med et kursus inden for området Machine Learning og Big Data Analysis bliver du en del af denne udvikling og klar til selv at udvikle nye databaserede værktøjer til fremtidens løsninger.
Lær både de grundlæggende og de nye metoder
Bliv introduceret til de grundlæggende teorier og algoritmer i Machine Learning eller udvid din viden med udvalgte avancerede emner. Du kan fx lære om, hvordan man udleder meningsfuld information fra medicinske billeder, sprogteknologi (NLP), samt få en indføring i, hvilke problemer der kan løses med Machine Learning og deres typiske løsninger. Endelig vil du bl.a. også kunne beskæftige dig med teknologierne bag såvel traditionelle som nye metoder inden for analyser af store mængder komplekse data.
Skræddersyede forskningsbaseret virksomhedsforløb giver jer mulighed for at tilrettelægge et kursusforløb for en gruppe medarbejdere.
Det giver jer adgang til den nyeste forskning inden for machine learning og big data i en kontekst, der passer til jeres virksomhed. I tæt samarbejde med jer og KU’s forskere tilrettelægger vi et efteruddannelsesforløb. Det kan være et forløb inden for specifikke faglige emner i takt med, at ny forskning bliver tilgængelig, og derved byder på nye muligheder.
Kontakt os for at høre nærmere:
Chef for efter- og videreuddannelse:
Sanne Juul Nielsen
sjn@science.ku.dk
Mob: 93 56 50 11
| Kursus | Niveau | Startdato | Varighed |
|---|---|---|---|
| Applied Machine Learning The course will give the student an introduction to and a basic knowledge of Machine Learning (ML) and its use in various parts of data analysis. The focus will be on application through examples and use of computers, and be project based. The course can be applied for through 'Finanskompetencepuljen' if you are employed in a company covered by a collective agreement between FA and the Financial Services Union. |
Kandidat | April | 9 uger |
| Advanced Algorithms and Data Structures (AADS) In this course, we will study algorithmic topics including: graph algorithms such as max flow, data structures such as van Emde Boas Trees, NP-completeness, exponential and parameterised algorithms for NP-hard problems, approximation algorithms, randomised algorithms, computational geometry, and finally linear programming and optimisation. |
Kandidat | November | 9 uger |
| Algoritmer og datastrukturer (AD) Kursets formål er at præsentere en række algoritmiske paradigmer (herunder del og hersk, grådige algoritmer og dynamisk programmering), samt at introducere en række analyseværktøjer (korrekthed, køretid, pladsbehov). Fokus er på teoretisk analyse af algoritmer og datastrukturer. Kurset beskæftiger sig med algoritmiske problemer, der kan løses i polynomiel tid. |
Bachelor | Februar | 9 uger |
| Online and Reinforcement Learning (OReL) In this course, we will cover the notion of regret: the evaluation measure, which replaces generalization error in offline learning and makes it possible to define and analyse learning in adversarial environments; various forms of feedback, including full-information and limited [bandit] feedback. We will introduce basic online and reinforcement learning settings, algorithms, and their analysis. We will also cover a few advanced topics. The course can be applied for through 'Finanskompetencepuljen' if you are employed in a company covered by a collective agreement between FA and the Financial Services Union. |
Kandidat | Februar | 9 uger |