Bygg en AI-tjänst som håller i drift

Alla kunskaper som ingår (51) — 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. 10DPython — funktioner, scope och undantag
11. 11DPython — klasser och objekt
12. 12EAsynkron programmering
13. 13CPython — strängar och textbehandling
14. 14CPython — filer, CSV och JSON
15. 15DAPI:er och HTTP
16. 16EBygga ett API med FastAPI
17. 17BRegler kontra inlärning
18. 18BKällkritik och ansvar när AI svarar
19. 19DFormulera ett problem som ML-uppgift
20. 20CStatistik — medelvärde, median och spridning
21. 21CSannolikhet — grunderna
22. 22DLoss-funktioner
23. 23DTestning med pytest
24. 24DTokenisering
25. 25BTräningsdata, features och etiketter
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. 31DKontextfönster, systemprompt och few-shot
32. 32DVektorer
33. 33DMatriser och matrismultiplikation
34. 34DLinjär regression med flera features
35. 35DNeuronnät — forward pass med matriser
36. 36DBackpropagation
37. 37DEmbeddings — ord som vektorer
38. 38DAttention
39. 39DOverfitting och generalisering
40. 40DPyTorch — tensorer och autograd
41. 41DRetrieval — hitta rätt text
42. 42DTräning, validering och test
43. 43DTräna ett neuronnät i PyTorch
44. 44DTransformers — arkitekturen
45. 45ESpråkmodeller — träning och generering
46. 46EModellutvärdering
47. 47EBygg en eval-harness
48. 48EFrån prototyp till produkt
49. 49EFallback och degradering i AI-tjänster
50. 50ERAG — retrieval-augmented generation
51. 51EPrompt injection