Kurser til virksomheder og offentlige organisationer

Kunstig intelligens fylder stadig mere i både samfundet og hverdagen. Teknologien bevæger sig hurtigt, mulighederne er enorme, og konsekvenserne – både positive og negative – er vidtrækkende. Dette kursus giver deltagerne et solidt, nuanceret og praktisk funderet overblik over kunstig intelligens, dens historie, dens påvirkning af mennesker og arbejdspladser samt de fremtidsperspektiver, vi allerede nu skal forholde os til.

Kursusforløbet består af tre sammenhængende seminarer, som kombinerer viden, refleksion, diskussion og konkrete analyseværktøjer.

Tirsdag d. 19. maj - 16-18:30: KUNSTIG INTELLIGENS OG SAMFUNDSVÆRDI:
Første seminar giver deltagerne en forståelse for, hvor kunstig intelligens kommer fra, og hvilke forestillingerne forskerne har gjort sig om teknologien de sidste firs år. Deltagerne får også et analytisk værktøj til at forstå, hvordan kunstig intelligens kan ses i forlængelse af tidligere teknologier, og hvordan kunstig intelligens kan skabe værdi i samfundet og i virksomheder, samt hvor man skal være mest opmærksom under udrulningen af kunstig intelligens. 

Tirsdag d. 26. maj - 16-18:30: KUNSTIG INTELLIGENS OG MENNESKER:
Alle teknologier påvirker, hvad det vil sige at være menneske. Og teknologier påvirker os forskelligt. Med udgangspunkt i første seminars afsluttende diskussion fokuserer vi på, hvordan kunstig intelligens påvirker os, når vi går på arbejde og i vores privatliv. Hvordan sikrer vi os, at vi ikke udliciterer ting, der er vigtige for medarbejdstilfredshed og kognitiv sundhed? Hvad og hvem skal vi bekymre os for? Og hvor er der nye muligheder? Vi diskuterer også, hvordan teknologi kan designes til at modvirke ulighed og deskilling. 

Tirsdag d. 2. juni - 16-18:30: KUNSTIG INTELLIGENS OG FREMTIDEN:
Kunstig intelligens er under hastig udvikling, og mens virksomheder og privatpersoner vænner sig til den nyeste teknologi, dukker andre teknologier op i horisonten. Hvor er kunstig intelligens på vej hen? Hvordan vil de påvirke arbejdsmarkedet? Og hvordan kan vi bedst forberede os - som samfund, virksomheder og privatpersoner? 

Underviser: Dette kursus bliver undervist af Anders Søgaard

Pris: 7.500 kr.

Obs: Hvis der er færre end 15 tilmeldte, forbeholder vi os retten til at aflyse kurset.

This course enables engineering teams to become productive with Python as a core platform for delivering data-driven and machine-learning solutions. By the end of the course, participants can confidently build, maintain, and iterate on end-to-end data and ML pipelines that are ready for real-world use. They also learn how to turn raw data into deployable insights by using Python’s data science and machine-learning ecosystem to ingest, clean, preprocess, and model data.

After participating in this course, your team will be able to:

• Train and optimize models with modern frameworks and automatic differentiation for faster experimentation
• Apply skills directly to real-world datasets, including participants’ own organizational data
• Achieve measurable impact through project-based work supported by curated example datasets

Content & dates: The course is divided into 3 modules consisting of two days:

• Module 1: The Basics of Data Science in Python (20^th & 21^st April 2026)
• Module 2: Introduction to Machine Learning (11^th & 12^th May 2026)
• Project: Solving machine learning problems with own datasets including 1hour project supervision with teacher (between Module 2 & 3)
• Module 3: Deep Learning with Pytorch (1^st & 2^nd June 2026)

Prerequisites: If you are uncertain about complying with the prerequisites, please contact us for an evaluation.

• Basic programming in Python
• Linear algebra (1st year university level)
• Basic concepts of statistics (1st year university level)

Workload: The total number of hours calculated to be 70-80 hours distributed as follows:

• Teaching & exercises: 36 hours
• Preparation: 18 hours
• Project hours: 10-20 hours

Teacher: This course is taught by Associate Professor Oswin Krause

Price: 25.000 kr.

Note: If there are less than 10 participants, we reserve the right to cancel the course.

På Datalogisk Institut kan vi hjælpe dig med at give dine medarbejdere et kompetenceløft som baseres på den nyeste forskning. Vores særligt tilrettelagte virksomhedskurser kan designes til virksomhedens specifikke behov indenfor emner såsom data management, machine learning, AI, softwareudvikling, chatbots & LLMs og meget andet. I kan finde mere inspiration i vores nuværende kursusudbud (scan QR kode). Vi kan afholde kurset hos jer, og vi tager gerne afsæt I jeres cases og data.

Vi har eksperter som kan hjælpe jer, hvis I har brug for at opkvalificere jeres medarbejdere til at opsætte en machine learning model, der kan håndtere jeres databehandling, udvikle/optimere en chatbot specifikt til jeres virksomheds behov, eller hvis jeres softwareudviklere har brug for en opdatering på det nyeste nye inden for computer science.

Kontakt os for at høre mere

Building Agentic AI Systems from Foundations to Production
Part 1: Foundations of Agentic AI Systems

This part provides an introduction to agentic AI systems that reason, plan, and take actions using large language models. You will learn the core architectures and design patterns that power modern AI agents, with hands-on exercises to build your first simple agents using no-code tools.

Learning outcomes:

• Explain the architecture of agentic AI systems, including reasoning, memory, tool use, and multi-agent coordination.
• Apply established design patterns (ReAct, reflection, planning) to solve complex tasks.
• Build simple agents using no-code tools to experience core concepts in practice.
• Recognise common failure modes and basic strategies for safer agent behavior.

Opdateres løbende...

Part 2: Agentic AI in Production
This part builds on the foundations with advanced topics and hands-on implementation. You will deepen your understanding of evaluation, safety, and multi-agent systems, then build a working agent in one of two tracks.

Track A: Building Agents with Code
For developers and engineers who want to build agents programmatically.

Learning outcomes:

• Understand agent evaluation methods, including benchmarks, tracing, and automated testing.
• Learn safety and alignment techniques: guardrails, human-in-the-loop, sandboxing, and output validation.
• Study multi-agent coordination patterns: delegation, negotiation, and shared memory.
• Build agents programmatically using LangChain, LangGraph, or CrewAI.
• Implement structured agent-tool communication using the Model Context Protocol (MCP).
• Deploy and monitor agents in production infrastructure.

Track B: Building Agents with No-Code Platforms
For professionals who want to build agents with drag-and-drop frameworks.

Learning outcomes:

• Understand agent evaluation methods: how to measure success, spot failures, and iterate.
• Learn safety principles for production agents: approval flows, fallback handling, and scope constraints.
• Study how multi-agent workflows are orchestrated in enterprise settings.
• Design agent workflows using no-code platforms (e.g., n8n, Microsoft Copilot Studio).
• Connect agents to enterprise tools such as CRM, ERP, and collaboration platforms.