Göm menyn

TDP033 Datacentrisk artificiell intelligens

HT2 2026


Ett bra sätt att genomföra projektarbetet är att utgå ifrån någon existerande modell, med tillhörande dataset, som ni avser att förbättra. För tips på modeller, och datasets, se bl.a. länkar nedan. Sammanfatta modellen kort men djuplodande(!). Dokumentera noggrant era arbetssteg för att undersöka och förbättra datasetet, samt hur ni har gjort för att utvärdera era resultat.

Ni kan även välja att bygga och träna ett mindre nätverk från scratch (tänk t.ex. på det lilla CNN:et vi byggde i labben för datacentrisk analys). Era data får då gärna hämtas online, och vara väl förberedda genom att etiketter finns och att data är formatterade så att ni direkt kan använda dem för träning och testning.

Ni avråds från att skapa egna data, genom egen insamling, fotografering, etc. eftersom datainsamling vanligtvis är en väldigt tids- ch resurskrävande process, som skulle äta upp er projekttid.

Oberoende av om ni har valt att arbeta med en förtränad modell, eller har valt att bygga en egen modell, så kommer ni som vanligt att lära känna era data, och i förekommande fall förbearbeta data, t.ex. normalisera, balansera förekomst av olika kategorier, etc. Här är det viktigt att ni noggrant dokumenterar de ändringar ni har gjort, samt tydligt presenterar de ändringar i modellbeteende som ni har åstadkommit.

Väljer ni att jobba med klassificering, t.ex. med CNN, kan det vara värt att använda Graphic Processor Units (GPU) för träning. Colab kan köra på både CPU och GPU, men kan bara användas 12 h i sträck. Tycker ni att detta är för snävt, finns Colab Pro, eller att köra på Google Cloud Platform (GCP). Se t.ex. Stanford Universitets instruktioner för hur man kommer igång med GCP. Använd ert privata gmail för att skapa konto på GCP. Och stäng alltid ner er VM när den inte används, annars kan det bli väldigt dyrt!.

Projektresultaten rapporteras skriftligt genom att länka till er Colab notebook, samt presenteras individuellt på en slutdemo. Se kursens Examinations-sida för mer detaljer.

Resurser


Sidansvarig: Rita Kovordanyi
Senast uppdaterad: 2026-10-11