Hoppa till innehållet
AI-grafen

Mål C Byggare

AI, etik och samhälle

Var AI finns i vardagen, hur den förändrar arbete, vad som är ansvarsfull användning, och hur desinformation, bias och manipulation ser ut.

Kunskaper
58
Från noll
ca 31 h
Labbar
6
Se vad du redan kan — utan konto

Diagnosen föreslår en startpunkt. Övningarna visar vad du faktiskt kan.

Det här kan du efteråt

Labbar på vägen

Du skriver koden. Tester du inte ser avgör om den håller.

Hela vägen

Allt målet bygger på, grupperat per nivå och i den ordning det bygger på varandra. Visa på kartan

AUpptäckare8 kunskaper
  1. Mönster och kategorier
  2. Sekvenser och exakta instruktioner
  3. Träna en maskin med exempel
  4. Vad är en dator?
  5. Indata och utdata
  6. Digitala bilder och pixlar
  7. Prata med en AI — vad kan den och inte?
  8. Skriv en saga tillsammans med en AI
BUtforskare17 kunskaper
  1. Data i vardagen
  2. Persondata: vad samlar appar in om dig?
  3. Algoritmiskt tänkande
  4. Regelbaserade system och maskininlärning
  5. Källkritik och ansvar vid AI-användning
  6. Träningsdata, features och etiketter
  7. Klassificering: hur en modell sorterar information
  8. AI i vardagen — var finns den?
  9. Teknik bakom webben: så hämtas en sida
  10. Lösenord och säkerhet
  11. Hur känner en modell igen ett objekt?
  12. Kommer AI:n ihåg vad jag sa?
  13. Generativ AI: hur den skapar innehåll
  14. Språkmodeller och sannolikheter
  15. AI:s påhittade svar
  16. AI eller människa? Gissa
  17. Vems är bilden? Upphovsrätt för barn
CByggare16 kunskaper
  1. Funktioner och koordinatsystem
  2. Programmeringslogik — variabler, villkor, loopar
  3. Python — grunderna
  4. Python — listor, loopar och dictionaries
  5. Desinformation och syntetiskt innehåll
  6. Statistik — medelvärde, median och spridning
  7. Datan bakom en rekommendation
  8. Linjär regression: anpassa en rät linje till data
  9. Neuronnät — intuitionen
  10. Promptning — att styra en språkmodell
  11. Ansvarsfull användning av AI
  12. Ansiktsigenkänning — vad är okej?
  13. AI och arbetsmarknaden
  14. Kan man lura en AI?
  15. Varför svarade den så?
  16. Vem bestämmer över AI?
DAI-utvecklare13 kunskaper
  1. Derivata och optimering
  2. Bias och rättvisa i modeller
  3. Gradient descent
  4. Vektorer
  5. Matriser och matrismultiplikation
  6. Neuronnät — forward pass med matriser
  7. Backpropagation
  8. Embeddings — ord som vektorer
  9. Attention
  10. PyTorch — tensorer och autograd
  11. Träna ett neuronnät i PyTorch
  12. Transformers — arkitekturen
  13. Energi och miljöpåverkan
EUniversitet4 kunskaper
  1. Multi-head attention i detalj
  2. KV-cache
  3. Latens, throughput och batching vid inferens
  4. Kostnadsmodellering för LLM-system