Introduktion till Data science och AI

Under kursens gång kommer ett brett urval av metoder för Data Science och AI att presenteras.
Kursen delas in i tre delar:

Introduktion till data science:

• Implementation av data science-lösningar med hjälp av Python, grundläggande data-analys och visualisering.
• Introduktion av data science-processen, och lämplig metodik.
• Exempel på kärnmetoder inom data science med fallstudier såsom inom klustring, klassificering och regression.
• Data science satt i sitt sammanhang med avseende på etik, gällande bestämmelser och begränsningar.

Statistiska metoder för data science och AI

• Introduktion till några vanliga stokastiska modeller med exempel på tillämpningar inom data science och AI (t ex naive Bayes klassiciering, ämnesmodeller (topic models) av text, och dolda Markovmodeller för sekvensdata)

Artificiell Intelligens

• Introduktion till klassisk AI och maskininlärning, inklusive förhållandet till relaterade områden såsom algoritmer och optimering, och AI-filosofi.
• Exempel på metoder och tillämpningar inom såväl klassisk AI (t ex kunskapsrepresentation och heuristisk sökning) som ML (t ex neurala nätverk,beslutsträd, reinforcement learning). 
• Diskussion kring etik och samhällspåverkan av AI.