Mål E Universitet
Systemkunskap för AI-ingenjörer
Processer, minne, parallellism, containrar, kryptografi och kodgranskning — datavetenskapen under modellen, som avgör om systemet går att köra och lita på.
- Kunskaper
- 43
- Från noll
- ca 32 h
- Labbar
- 4
Se vad du redan kan — utan konto
Diagnosen föreslår en startpunkt. Övningarna visar vad du faktiskt kan.
Det här kan du efteråt
- EGrafalgoritmer: BFS, DFS, topologisk ordning
- EDynamisk programmering
- EKryptografi — hash, signaturer, nycklar
- EDocker — containrar
- EProcesser, trådar och resursgränser
- EKodgranskning
- FFlyttalsformat: fp32, fp16, bf16
- EParallellism och varför GPU:er
- FMinneshierarki och bandbredd
- EDatapipelines och ETL
- EDatalager och format: Parquet, Arrow
- EDataversionering
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
AUpptäckare2 kunskaper
BUtforskare4 kunskaper
CByggare8 kunskaper
DAI-utvecklare16 kunskaper
- Diskret matematik: grafer och relationer
- Tidskomplexitet och ordo-notation
- Datastrukturer: listor, stackar, köer, hashtabeller
- Python — funktioner, scope och undantag
- Läsa och förstå andras kod
- Python — moduler, paket och virtuella miljöer
- Git — versionshantering
- Rekursion
- Terminal och shell
- Testning med pytest
- Logaritmer
- Vektorer
- Matriser och matrismultiplikation
- NumPy — arrayer och vektorisering
- Pandas — tabeller i Python
- SQL — grunderna
EUniversitet11 kunskaper
- Grafalgoritmer: BFS, DFS, topologisk ordning
- Dynamisk programmering
- Kryptografi — hash, signaturer, nycklar
- Docker — containrar
- Processer, trådar och resursgränser
- Kodgranskning
- Numerisk stabilitet och flyttal
- Parallellism och varför GPU:er
- Datapipelines och ETL
- Datalager och format: Parquet, Arrow
- Dataversionering