Ansvarsfull AI i praktiken

Alla kunskaper som ingår (54) — i beroendeordning

1. 1AMönster och kategorier
2. 2BData från vardagen
3. 3AInstruktioner i rätt ordning
4. 4BAlgoritmiskt tänkande
5. 5CFunktioner och koordinatsystem
6. 6DDerivata och optimering
7. 7CProgrammeringslogik — variabler, villkor, loopar
8. 8CPython — grunderna
9. 9CPython — listor, loopar och dictionaries
10. 10BRegler kontra inlärning
11. 11BKällkritik och ansvar när AI svarar
12. 12BAI säkert i skolan
13. 13DLicenser och öppna data
14. 14EPersonuppgifter och anonymisering
15. 15EGDPR och AI
16. 16EEU:s AI-förordning
17. 17EAnsvar och människa i loopen
18. 18EBarn som användare av AI
19. 19CStatistik — medelvärde, median och spridning
20. 20CSannolikhet — grunderna
21. 21DLoss-funktioner
22. 22DTokenisering
23. 23BTräningsdata, features och etiketter
24. 24EAnnotering och märkning av data
25. 25EDatasetdokumentation och datasheets
26. 26BKlassificering — så sorterar en modell
27. 27CDin första prediktiva modell — en rät linje
28. 28DGradient descent
29. 29CNeuronnät — intuitionen
30. 30CPromptning — att styra en språkmodell
31. 31CAnsvarsfull användning av AI
32. 32EModellkort och systemdokumentation
33. 33EUpphovsrätt och träningsdata
34. 34DVektorer
35. 35DMatriser och matrismultiplikation
36. 36DLinjär regression med flera features
37. 37DNeuronnät — forward pass med matriser
38. 38DBackpropagation
39. 39DEmbeddings — ord som vektorer
40. 40DAttention
41. 41EGenerativa modeller — översikt
42. 42EGenerativa bilder: upphovsrätt, deepfakes, vattenmärkning
43. 43DOverfitting och generalisering
44. 44DPyTorch — tensorer och autograd
45. 45DTräning, validering och test
46. 46DTräna ett neuronnät i PyTorch
47. 47DTransformers — arkitekturen
48. 48ESpråkmodeller — träning och generering
49. 49EHallucinationer — orsaker och motmedel
50. 50EUX för AI-funktioner
51. 51EModellutvärdering
52. 52EFinjustering av språkmodeller
53. 53GModellutvinning och medlemskapsattacker
54. 54ETillgänglighet och inkludering i AI-produkter