Jaksokuvaus
Vi återvänder till ett ämne vi behandlade mer intensivt för 2-3 år sedan och undrar: Vad hände sen? Artificiell intelligens (AI) har varit hett i omgångar de senaste tio åren, men fyra av fem organisationer befinner sig fortfarande i startblocken. Om avsnittet: Målgrupp: nyfikna, ledare, processfolk, verksamhetsutvecklare, ledningsgrupp Lär dig: AI, automation, ML, DL, POC,MVP, NLP, MLOPS Vi frågar Joakim Wahlqvist varför då? Man har respekt för ny teknik, saknar kompetens, känner en rädsla för förändring och att AI kan ta över våra jobb. Det handlar om machine learning (ML) och deep learning (DL). Lösningsområden kan vara natural language processing (NLP), alltså analys av tal och text eller bild- och videoanalys. Lägg därtill massor av statistiska funktioner för att se samband och trender, t ex att något håller på att slitas ut. I början av 2000-talet var man osäker på om det var värt att testa AI. I backspegeln kan vi se att nästan alla galna idéer går att genomföra, bara de är väl beskrivna. Det handlar mest om att träna algoritmerna att göra det vi vill, med hjälp av mycket data och kvalitativ data. För att ta ett steg-för-steg tillvägagångssätt, gör först ett proof of concept (POC) på bildanalys, sedan en minsta värdefull produkt (MVP) och sedan en pilot med en kund, och nu är det ett fungerande, AI-drivet erbjudande . Ett sjukhus predikterar data från intensivvårdsavdelning. Hur ser beläggningen ut, hur krävande är aktuella patienter. Detta ligger sedan till grund för resurssättning i organisationen. Vid utvärdering visade det sig att AI “gissade bättre” än personalen själva. Så hur kommer vi igång? Samla in och tillgängliggör data Arbeta innovativt, ifrågasätt, tänk i nya banor, koncept, affärsmodeller Skapa en vi-ska-automatisera-kultur. Strukturer, organisation, teknikplattform; AI måste kunna skala. Det finns många konkreta case att ta del av. Kolla dem och kavla upp ärmarna och hugg i! Sen kan du kalla dig datadriven och - har det visat sig - bli mer lönsam. Joakim Wahlqvist, Jonas Jaani (25:35) Länkar / mer information: Data & Artificial Intelligence ResearchRapporter och mer information Videoversion av avsnittet https://www.youtube.com/watch?v=5EzeLKq3cVM Gratiskurser om AI 👨🎓 Här är de 15 bästa gratiskurserna jag skulle rekommendera för att lära sig AI 1. Grundläggande i promptingDenna kurs introducerar grunderna i promptteknik och går vidare till avancerade promptar.✔ https://lnkd.in/dyEt4DGt2. ChatGPT prompting för utvecklareEn gratis kurs om ChatGPT prompting av DeepLearning AI och OpenAI.✔https://lnkd.in/eiRtk-6q3. Googles introduktion till generativ AISyftar till att förklara vad GenAI är, hur det används och hur det skiljer sig från traditionella maskininlärningsmetoder.✔https://lnkd.in/eBQXfBe94. Harvards introduktion till AI med PythonLär dig att använda maskininlärning i Python i denna introduktionskurs till artificiell intelligens.✔ https://lnkd.in/eu4mZaAG5. Microsofts "Vad är generativ AI?"Grunderna i Gen AI, med ämnen som inkluderar vad det är, hur det fungerar, hur du skapar ditt eget innehåll, olika typer av modeller, framtiden och etik.✔ https://lnkd.in/eYNWzXUX6. Lär dig promptingEn omfattande kurs i prompting med över 60 innehållsmoduler.Tar dig från nybörjare till avancerad i konsten att använda prompter.✔ https://lnkd.in/eNi_YNSe7. Googles introduktion till ansvarsfull AILär dig vad ansvarsfull AI är, varför det är viktigt och hur Google implementerar det i sina produkter.✔ https://lnkd.in/eTrwSU898. Harvards datavetenskap: MaskininlärningLär dig om träningsdata och hur du använder en uppsättning data för att upptäcka potentiellt förutsägbara relationer.✔ https://lnkd.in/eX28syMJ9. LLM-applikationsutvecklingFå viktiga färdigheter för att utöka användningsfallen och kapaciteten hos språkmodeller i applikationsutveckling med hjälp av LangChain.✔ https://lnkd.in/evZVJbNy10. Microsofts förenkling av ditt arbete med Microsoft...