Learn Machine Learning & AI

515 anmeldelser
Egnethet
Alle
10k+
Nedlastinger
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde
Skjermbilde

Om denne appen

Lær maskinlæring og AI er et strukturert kurs som tar deg fra «hva maskinlæring er» til å forstå algoritmene bak moderne kunstig intelligens, i korte leksjoner du kan lese på telefonen din.

Ingen tidligere AI-erfaring kreves. Hvis du kan grunnleggende algebra og litt Python, kan du følge dette kurset.

HVA DU VIL LÆRE

Grunnleggende maskinlæring
Hva maskinlæring er, hvordan det skiller seg fra tradisjonell programmering, arbeidsflyten for maskinlæring, trenings- og testdata, overtilpasning, undertilpasning, bias og varians, og hvordan modeller evalueres.

Veilet læring
Lineær regresjon, logistisk regresjon, beslutningstrær, tilfeldige skoger, støttevektormaskiner, k nærmeste naboer og naive Bayes, hver med intuisjonen bak seg og hvor den faktisk brukes.

Uveiledet læring
K betyr klynging, hierarkisk klynging, dimensjonalitetsreduksjon, prinsipalkomponentanalyse og anomalideteksjon.

Dyp læring og nevrale nettverk
Perseptroner, aktiveringsfunksjoner, tilbakepropagering, konvolusjonelle nevrale nettverk for bilder, tilbakevendende nettverk og LSTM-er for sekvenser, og en introduksjon til transformatorer.

Forsterkningslæring
Agenter, miljøer, belønninger, Q-læring og policybaserte metoder forklart uten tung matematikk.

Naturlig språkbehandling
Tokenisering, innebygging, sentimentanalyse og hvordan store språkmodeller bygges oppå disse ideene.

Verktøy og biblioteker
Hvor Python, TensorFlow, Keras, scikit learn, NumPy og Pandas passer inn i en ekte maskinlæringsarbeidsflyt.

Anvendt maskinlæring
Hvordan disse metodene brukes innen helsevesen, finans, anbefalingssystemer, svindeldeteksjon, datasyn og prognoser.

BYGGET FOR LÆRING PÅ TELEFON

Korte leksjoner. Hvert emne er delt inn i seksjoner du kan fullføre på noen få minutter, slik at du kan gjøre fremskritt i hullene i dagen din i stedet for å vente på en ledig kveld.

Vennlig språk først, matematikk deretter. Hver algoritme forklares med ord før noen notasjon vises, slik at du forstår hva den gjør før du ser hvordan den er skrevet.

Søk gjennom hele kurset, slik at du kan slå opp et begrep i det øyeblikket du finner det i en artikkel eller en forelesning.

Bokmerker og CV, slik at et langt emne overlever å bli avbrutt.

Oppdateres kontinuerlig etter hvert som feltet beveger seg.

HVEM DENNE APPEN ER FOR

Studenter som tar et kurs i maskinlæring, kunstig intelligens eller datavitenskap som ønsker en ny forklaring når forelesningen ikke ble avbrutt.

Programvareutviklere som går over til maskinlæringsteknikk eller datavitenskap.

Kandidater som forbereder seg til intervjuer innen maskinlæring og datavitenskap, der spørsmålene fortsatt stort sett handler om grunnleggende ting.

Analytikere og fagfolk som trenger å forstå hva et AI-system i deres bransje faktisk gjør.

Alle som er nysgjerrige på hvordan kunstig intelligens fungerer under produktene de bruker hver dag.

HVORFOR LÆRE MASKINLÆRING NÅ

Maskinlæring har sluttet å være en spesialkompetanse og blitt en del av grunnlinjen for teknisk arbeid. Å forstå hvordan modeller trenes, hvorfor de feiler, og hva de kan og ikke kan gjøre, er nå nyttig i nesten alle tekniske roller – og i økende grad også i ikke-tekniske roller.

Dette kurset gir deg den forståelsen i et format du faktisk vil fullføre: korte leksjoner, klart språk, ingen video å bufre, ingen konto kreves.

Åpne din første leksjon i dag.

Spørsmål, rettelser eller et emne du ønsker lagt til? Send en e-post til mail@ehsanur.com – vi oppdaterer appen basert på hva elevene ber om.
Maskinlæringskurs: AI, dyp læring, nevrale nettverk og datavitenskap
Oppdatert
12. sep. 2026

Datasikkerhet

Sikkerhet starter med en forståelse av hvordan utviklere samler inn og deler dataene dine. Fremgangsmåtene for personvern og datasikkerhet kan variere basert på bruk, region og alder. Utvikleren har oppgitt denne informasjonen og kan oppdatere den over tid.
  • Ingen data deles med tredjeparter
    Finn ut mer om hvordan utviklere deklarerer deling
  • Ingen data samles inn
    Finn ut mer om hvordan utviklere deklarerer innsamling

Vurderinger og anmeldelser

492 anmeldelser