Jag har nyligen avslutat kursen Applied Generative AI vid Johns Hopkins University. Det var en intensiv 16-veckors kurs som fördjupade sig i teorin, programmeringen och praktiska projekt inom generativ AI.
Vi började med en genomgång av Python-programmering och AI:s historiska utveckling, med fokus på de stora genombrotten inom neurala nätverk, maskininlärning och beräkningskraft som tillsammans möjliggjort dagens avancerade AI-system. Sedan gick vi djupare in på grunderna i maskininlärning, olika typer av algoritmer och hur man utvärderar modellernas prestation med hjälp av mätvärden som precision, recall och F1-score, beprövade metoder för att bedöma hur bra en modell lyckas identifiera rätt saker utan att ge för många falska träffar.
Vi arbetade med flera praktiska tillämpningar av generativ AI, bland annat:
• prompt engineering, det vill säga hur man utformar effektiva instruktioner till språkmodeller,
• automatiserad produktion av text och bilder,
• design av arbetsflöden, där olika AI-komponenter kopplas samman,
• och RAG-lösningar, där modellens svar förstärks med hjälp av externa databaser.
Kursen baserades främst på videolektioner och övningar som vi kunde genomföra i vår egen takt. Utöver detta ingick liveföreläsningar med forskare från Johns Hopkins University, livelektioner med experter inom området, samt praktiska projekt och case-studier som var starkt kopplade till verkliga tillämpningar.
Under kursens gång genomförde jag två större projekt. I det avslutande projektet byggde jag en komplett AI-pipeline med dokumentfiltrering, generering av förslag och utvärdering. Projektet fick 40/40 i betyg av handledaren Dr Anil Jadon som skrev:
”This is an exceptional and professional-level submission. The learner demonstrated mastery in prompt engineering, pipeline design, debugging, and evaluation. Each step flowed logically and produced relevant, structured outputs with academic tone and precision.”
Kursen gav mig en solid grund för att utveckla egna applikationer med generativ AI.
