AI, Architecture and Machine Learning

AI, Architecture and Machine Learning

Översikt

Minns du de agila arkitekternas balansgång mellan flexibilitet/prestanda och testbarhet/tillförlitlighet/förutsägbarhet/V&V?
Maskininlärning (ML) jämnar ut samma avvägning.

Oavsett om du precis har börjat hålla ett öga på ML eller redan anpassar din arkitektur till den nuvarande vågen av AI, tar den här kursen upp flera frågor som de flesta arkitekter kommer att ställas inför i ett arkitektoniskt landskap där ML är en snabbväxare.
Kursen är inte knuten till en viss leverantör, ett visst språk, ramverk, bibliotek eller miljö.

Arkitekter, modellerare, informatiker, analytiker, designers, teknikchefer, domänexperter och andra roller som är involverade i/påverkas av AI-projekt.

Agile Architecture Fundamentals eller motsvarande erfarenhet/kunskap om IT-arkitektur i ett agilt arbetssätt.
Även erfarenhet från andra roller inom IT-området är meriterande, inte minst från kunskapsintensiva branscher eller AI-relaterade.

Introduktion: Abstraktionsnivåer, AI, ML förr och nu

  • Abstraktionsnivåer: arkitekt kontra utvecklare
  • Översikt över AI-appar: höjer ribban för intelligenta system
  • Utvecklingen av ML-appar: från långsamma och granskningsbara till snabba, smarta och ogenomskinliga.
    Trots ML:s rötter (regelinduktion och mining) i den framgångsrika dekrypteringen av obrytbara chiffer, verkar dess närmaste framtid vara kodad som viktvärden i djupa neurala nätverk.
    Medan t.ex. svarta lådor med färdskrivare klargjorde händelseförloppet och besluten i tidigare nödsituationer, har ML nu paradoxalt nog landat i svarta lådor som döljer ogenomskinlig logik.
  • En kort övning
  • Förutsägelser för de kommande 10-18 månaderna: AI-investeringar och tekniska utmaningar att hantera.
  • En kort övning

Konsekvenser inom arkitektur, analys, HMI, RT

  • NFR och kvalitetsattribut, företag där “bättre i genomsnitt” inte längre är “tillräckligt bra” som det var i rekommendationsmotorer eller marknadsföring till lekmannakonsumenter
  • Tre kategorier av ML
  • Djupinlärning
  • Dataarkitekturens återkomst i programvaruarkitekturen
  • Den ökande överlappningen mellan RT – DB-appar och Edge ML & Computing
  • En dubbelriktad gata: Arkitektur för AI och AI för arkitektur.
  • En kort övning

Arkitekternas arkitekternas roll

  • Vad ingår i en arkitekts arbetsbeskrivning och vad ingår inte?
  • Perspektiv (brett, integrerat) jämfört med andra (dev, researcher, prime mover)
  • Systemportföljen och digitala tvillingar (“avatarer”) – tvärkopplande perspektiv
  • Arkitektonisk taktik, tankesätt, abstraktionsnivå och bakgrund
  • En kort övning
  • Agil arkitektur, variabilitet och Edge ML.

Att hantera avvägningen mellan nivå och höjd

  • Uppifrån och ner: ett ramverk av företagsvärderingar och rutiner för att främja V&V och transparens
  • Bottom-up: teknik och metoder inom IT för att bygga in transparensmekanismer på förhand (visualisering, förklaring, spårbarhet etc.)
  • Explainable AI (XAI) “Big bang”, via forskning om självförklarande funktioner för djupa neurala nätverk
  • Företagets “tänk stort, börja smått”, XAI via hybrid AI.

Kursöversikt

21 450 kr

2 Dagar

Distans, Klassrum

Fortsättning

Engelska, Svenska

Startgaranti gäller om kursen har datum, om inget annat framgår.

Hittar du inget (passande) datum? Skicka in en intresseanmälan så gör vi vad vi kan för att planera ett tillfälle som passar. 

Fö­re­tags­an­pas­sad kurs

Kursen kan anpassas från flera perspektiv:
  • Innehåll och fokusområde
  • Omfattning
  • Upplägg

I samspel med kursledaren ser vi till att kursen uppfyller era önskemåll

Skicka intresseanmälan för utbildningen