Elements of AI kurs

[Andreas]

Sitter og vurderer å ta gratiskurset Elements of AI.

Noen som har tatt det, som sitter igjen med en givende erfaring? Eller er det typisk CV-fyll for de som ikke kan programmere, og ikke kan skille AI og ML?

[eOpseth]

Ingen erfaring med kurset, men jeg tror du treffer spikeren greit i skillet AI og ML - eller når de er "like". 

Med påstanden "Kurset er gratis og krever ikke formelle forkunnskaper" lukter det kun av kloring i overflata. Jeg vil heller ikke kalle det CV-fyll all den tid en oppegående intervjuer raskt plasserer deg i landskapet hva kunnskap angår. Jeg leser en del CVer hvert år. 

[torbjornhb]

Jeg tok noe lignende i fjor gjennom Digital Norway... Fikk et kursbevis etter gjennomføring. Det du linker til er kanskje litt mer omstendelig.

Jeg tenker at uansett hva, så er all kunnskap bare positivt. Du har jo ingenting å ta tape når det er gratis🙂

Edited February 19, 2024 by torbjornhb

[eOpseth]

On 2/19/2024 at 8:23 AM, torbjornhb said:

Jeg tenker at uansett hva, så er all kunnskap bare positivt. Du har jo ingenting å ta tape når det er gratis🙂

Enig i det, med mindre en gir seg ut for at kurset var mer omfattende enn det faktisk er. 

Jeg har hatt nok av de på intervju som er eksperter på AI, men i realiteten har "hørt om" ML. 

Vær tydelig på hva du har lært. 🙂

[Andreas]

Etter å ha lest litt mer om kurset, virker det som kanskje noen av Coursera-kursene innen ML gir meg litt mer kunnskap om det jeg er nysgjerrig på. ML er spennende saker, og noe jeg har drevet endel med.

Hvor skillet går mellom AI og ML har jeg forsøkt å få dyktige dataingeniører/programmere til å forklare meg. Egentlig ikke klart å forstå forskjellen, iallefall ikke i praksis. Samtalene ender ofte i morsomheter om folk som har brukt AI, uten å forstå hvordan den/det løser oppgaver, og de rariteter de har fått som svar. Spesielt festlig når noen bruker AI til avanserte spørsmål/oppgaver om veldig spesifikke ting, og serverer det til eksperter, som svarer kort at det er feil.

[andersar]

eOpseth skrev (17 timer siden):

 eksperter på AI, men i realiteten har "hørt om" ML. 
 

Jeg dør litt innvendig kjenner jeg. All aboard the hypetrain! 🙂

 

For et par år tilbake så sponset Nærings & Fiskeridep to 5 st.p kurs i "intelligente systemer" ved Høyskolen Kristiania. Jeg gikk glipp av intro-kurset, men tok det påfølgende kurset på våren, og syns jeg fikk mye bra ut av det. Forelesningsmaterialet var ofte litt tungt for min del, men øvelsene fikk jeg mye igjen for selv med min svært begrensede Python-kompetanse.

 

 

[perbl]

1 hour ago, Andreas said:

Hvor skillet går mellom AI og ML har jeg forsøkt å få dyktige dataingeniører/programmere til å forklare meg. 

Er det noe særlig skarpt skille det gir mening å snakke om da? Det er nå vel litt som å forklare skillet på terrengsykling og endurosykling? Det ene (Maskinlæring) er en spesifikk greie der man anvender konsept fra det bredere andre begrepet (AI)?

Har ikke testet kurset sjøl, men kjenner jo til noen av folka i miljøet rundt AI-laben, mye kompetanse der hvertfall. Men jeg tipper vel man går begrenset i dybden gitt omtalen av kurset. Fikk litt lyst til å teste sjøl, selv om jeg har hatt endel emner med AI for leeeeenge siden for minst to hype-runder siden.

[Andreas]

Ganske novice i AI verden, men enkelte mener jo ML bare er en del av AI. 

Google skriver dette:

While artificial intelligence encompasses the idea of a machine that can mimic human intelligence, machine learning does not. Machine learning aims to teach a machine how to perform a specific task and provide accurate results by identifying patterns. 

Let’s say you ask your Google Nest device, “How long is my commute today?” In this case, you ask a machine a question and receive an answer about the estimated time it will take you to drive to your office. Here, the overall goal is for the device to perform a task successfully—a task that you would generally have to do yourself in a real-world environment (for example, research your commute time). 

In the context of this example, the goal of using ML in the overall system is not to enable it to perform a task. For instance, you might train algorithms to analyze live transit and traffic data to forecast the volume and density of traffic flow. However, the scope is limited to identifying patterns, how accurate the prediction was, and learning from the data to maximize performance for that specific task.

Geeks for Geeks har en fin liste, som egentlig ikke gjør meg så mye klokere.

[perbl]

Den samme Google-lenka di sier nå også følgende under seksjonen AI vs Machine Learning: 

Quote

• AI is the broader concept of enabling a machine or system to sense, reason, act, or adapt like a human 
• ML is an application of AI that allows machines to extract knowledge from data and learn from it autonomously

 

[York]

Maskinlæring er en del av kunstig intelligens, og kunstig intelligens er en del av maskinlæring. Ikke all maskinlæring er kunstig intelligens, ikke all kunstig intelligens er maskinlæring. Enkelt sett kan man si at kunstig intelligens er noe som etterligner menneskelig intelligens, og kan være hva som helst (ikke nødvendigvis maskinlæring). Maskinlæring er bare lineær regresjon, eller mer avanserte varianter av det samme. Altså matematikk.

Skillet mellom maskinlæring og kunstig intelligens er mer et filosofisk spørsmål, derfor vil du ikke få noe godt svar på det. Etter min mening er det feil spørsmål 🙂 Man bør heller fokusere på hvordan dette funker, uavhengig om man velger å kalle det ai/ki eller ml. To gode steder å starte er lineær regresjon og nevrale nett, som kanskje kan sies å være de to ekstreme ytterpunktene av hva som er enkel og avansert metodikk. Begge metodene kan gi like bra resultat 🙂

Edited February 22, 2024 by York

[ulf martin]

Veldig ålreit tråd å bare ramle innom. 

Tenker at det nevnte kurset er en god begynnelse for å få bedre oversikt på hva man evt skal ta av kurs videre. 

I'm in!

[eOpseth]

Sleng inn regresjonsanalyse i debatten "forklar forskjellen på AI og ML", så blir dette moro, i hvert fall fra en akademisk vinkel. 

Steg 1 et slik kurs bør kunne besvare, i hvert fall konseptuelt, så er det å forstå hva det kan brukes til og ikke. Et lukket repetativt system er noe helt annet enn å trene en algoritme på et (vilkårlig) datasett for deretter og ekstrapolere denne kunnskapen ut i ukjent terreng. Da skal du vite hva du gjør, og aller helst ha betydelig domenekunnskap. I min bok en klassisk feil som gjøres ofte. 
 

Edited February 23, 2024 by eOpseth

[simson]

Har tatt kurset for to-tre år siden.

Jeg gikk inn med noe skepsis, og ble da positivt overrasket. Det viktigste som kom ut av det for min del er en rydding av konseptene og begrepene som blir slengt rundt i forbindelse med AI (jf. maskinlæringpoengene over).

[Andreas]

eOpseth skrev (På 23.2.2024 den 16.09):

Sleng inn regresjonsanalyse i debatten "forklar forskjellen på AI og ML", så blir dette moro, i hvert fall fra en akademisk vinkel. 

Steg 1 et slik kurs bør kunne besvare, i hvert fall konseptuelt, så er det å forstå hva det kan brukes til og ikke. Et lukket repetativt system er noe helt annet enn å trene en algoritme på et (vilkårlig) datasett for deretter og ekstrapolere denne kunnskapen ut i ukjent terreng. Da skal du vite hva du gjør, og aller helst ha betydelig domenekunnskap. I min bok en klassisk feil som gjøres ofte. 
 

Gjerne er det ikke spesielt vanskelig å bruke xgboost eller lignende til å få "fungerende" modeller. Det å spesifisere modellen, tolke den og gjøre forbedringer er dog en kunst, som gjerne krever et mer avansert økonometrikurs for å forstå hva som faktisk skjer.

For de som kan litt R/Rstudio er Tidy Modeling with R en ganske enkel introduksjon. Benytter seg av tidymodels.

Aksjemodellene jeg har prøvd å lage er like suksessfulle som de utdaterte rådene en får i pluss- artiklene til div. nettaviser. Ikke bra. Ser en på reddit eller stack, virker det som det er veldig mye noise, og lite signal. Få som har faktisk fått de til å fungere over tid. Gøy og lærerikt, såfremt man ikke satser sparepengene sine på rådene.

[eOpseth]

19 hours ago, Andreas said:

Aksjemodellene jeg har prøvd å lage er like suksessfulle som de utdaterte rådene en får i pluss- artiklene til div. nettaviser. Ikke bra. Ser en på reddit eller stack, virker det som det er veldig mye noise, og lite signal. Få som har faktisk fått de til å fungere over tid. Gøy og lærerikt, såfremt man ikke satser sparepengene sine på rådene.

Det er mye støy i disse modellene, og det er nesten bedre å modellere støyen enn motsatt. Ideelt begge. Og forstå støy, og volatilitet, på en god måte er et godt steg fremover. 

Støy kan være, merk kan, ganske repetativt ref min post over, men signalet som sådan trenger ikke være det. Kortversjon er at det trengs flere verktøy i skrinet. 

[Andreas]

Godt innspill. Får meg til å tenke over at jeg kanskje burde se etter et kurs som blander ML, finans og (litt) avansert økonometri.

[eOpseth]

Fristende å si at økonomitri-delen burde helle i retning matematikk, men det betinger jo litt din bakgrunn og kunnskapsnivå p.t. Men det drar raskt i den retning etter min erfaring, selv om jeg har kommet motsatt vei selv. 

[perbl]

Hvis det å skulle lage noe for et såpass krevende domene som trading og finans er målet, tror jeg vel neppe dette kurset går nok i dybden for deg.

[Andreas]

eOpseth skrev (1 time siden):

Fristende å si at økonomitri-delen burde helle i retning matematikk, men det betinger jo litt din bakgrunn og kunnskapsnivå p.t. Men det drar raskt i den retning etter min erfaring, selv om jeg har kommet motsatt vei selv. 

Hva slags matte tenker du på?

I økonometrikurs jeg har hatt, er fokuset gjerne differensialligninger/differensligninger (Differential equation), da det er nyttig til tidsseriedata og dynamiske system. En stund siden jeg har hatt kursene, og er sjeldent en utenfor akademia bruker spesielt avansert matematikk.

[dothtm]

Her er ein nyttig hugselapp (evt haiku) for korleis skilje mellom AI og ML:

Den står seg, sjølv 7 år seinere 🙂

[eOpseth]

On 2/27/2024 at 12:08 PM, Andreas said:

Hva slags matte tenker du på?

I økonometrikurs jeg har hatt, er fokuset gjerne differensialligninger/differensligninger (Differential equation), da det er nyttig til tidsseriedata og dynamiske system. En stund siden jeg har hatt kursene, og er sjeldent en utenfor akademia bruker spesielt avansert matematikk.

Fristende å si så avansert som mulig, men det er jo betinget av utgangspunktet ditt. Stokastiske prosesser, og gjerne stokastisk modellering, er tema som jeg mener er naturlig å se på. Dette er matematikk på høyt nivå, så ambisjonsnivået om fra å forstå konseptuelt til faktisk å regne på dette er en lang reise og ikke nødvendigvis noe du trenger å gjøre heller. For å hekte det på en av mine tidligere poster, så kan modellering av stokastiske prosesser hektes på støy, og da er du et steg nærmere å kunne både utnytte og modellere de faktiske driverne i større grad. All støy klarer du neppe og modellere uansett. 

Så kan jeg jo sikkert kompliesere dette et hakk igjen ved å påstå at dersom man modellerer flere stokastiske prosesser i et datasett, så må du også modellere hvordan de samvarierer, om i det hele tatt, men det åpner mulighetsrommet for å bruke ulike metodiske tilnærminger for å løse et problem. 

[Andreas]

Jeg har (heldigvis) ikke matte på veldig høyt universitetsnivå, men høyt nok. Fikk høre av studiekamerater som tok de mest avanserte mattekursene (for økonomer) at det var gjerne slikt programmene løste, men det var greit å forstå konseptet før man igangsatte en modell. Introkurs i matte på masternivå gir vel et innblikk i de mer avanserte temaene, men en må gjerne ta de litt mer spesialiserte kursene for å virkelig forstå dem.

Skal sies at matematikere og statistikere er i ganske høy etterspørsel såvidt jeg har forstått.  Det å klare å samle matematikk, statistikk(økonometri), økonomi og programvare, er ganske kompliserte saker som krever en solid tidsinvesteringen. Ser UiO MatNat har Stokastisk modellering, statistikk og risikoanalyse (master – to år), for de som synes en vanlig økonomimaster inneholder for lite matte.

Takk for tips, nå må jeg bare klare å finne ut hva jeg har tid til og nytte av å lære meg.

[ulf martin]

Hahaha

Fra brevkurs til stokastiske modeller på fem seks poster

Selv satser jeg på å få gjort ferdig brevkurset før 17 mai. 😉

[Andreas]

Hadde vært uvanlig for tråder på dette forumet om tråden ikke sklei ut eller endret retning 😅

[eOpseth]

2 hours ago, Andreas said:

Jeg har (heldigvis) ikke matte på veldig høyt universitetsnivå, men høyt nok. Fikk høre av studiekamerater som tok de mest avanserte mattekursene (for økonomer) at det var gjerne slikt programmene løste, men det var greit å forstå konseptet før man igangsatte en modell.

Jupp, konseptuell forståelse er et knepp ekstra, og jeg vil påstå at slik forståelse bidrar positivt for å kunne nyttiggjøre seg annen domenekunnskap enda litt bedre.