Examensbevis
Yrkeshögskoleexamen
inriktning Pythonutvecklare inom AI
400 Yh-poäng
har avlagts av
Linus Söderberg
Examen utfärdad 2025-06-11
Solna
Ulrika Hargö
Ansvarig utbildningsanordnare
Camilla Aokite
Ledningsgruppsrepresentant
Nackademin AB
Solna
Scan to Verify
Yrkeshögskoleexamen inriktning Pythonutvecklare inom AI
utfärdad 2025-06-11
Linus Söderberg
Denna examen har utfärdats enligt förordning (2009:130) om yrkeshögskolan.
Kurs Yh-poäng Betyg* Datum
Affärsmannaskap 10VG2023-11-10
Databasteknik 25VG2023-12-18
Pythonprogrammering I 45VG2023-11-05
Maskininlärning, teori och praktisk tillämpning45VG2024-06-03
LIA130VG2025-04-25
Maskininlärning och Deep Learning 50VG2024-11-13
Devops20VG2024-01-15
Examensarbete20VG2025-05-29
Webbramverk i Python55VG2024-03-29
Denna examen omfattar totalt 400 Yh-poäng.
Camilla Aokite
Ledningsgruppsrepresentant
SeQF 5
Examinas nivå enligt förordningen (2015:545) om referensram för kvalifikationer för livslångt lärande
* I yrkeshögskoleutbildning används något av betygen Icke godkänt, Godkänt eller Väl godkänt
För att erhålla yrkeshögskoleexamen erfordras minst betyget Godkänt i samtliga ingående kurser.
Kursernas omfattning anges av poängtalet. Fem Yh -poäng motsvarar en veckas heltidsstudier.
En utbildning får avslutas med en yrkeshögskoleexamen om utbildningen omfattar minst 200 yrkeshögskolepoäng (Yh-poäng).
Scan to Verify
Yrkeshögskoleexamen inriktning Pythonutvecklare inom AI
utfärdad 2025-06-11
Linus Söderberg
Utbildningsbeskrivning

Yrkesroller

  • Applikationsutvecklare inriktning AI
  • Pythonutvecklare inriktning AI
  • Systemutvecklare inom Python
  • Backendutvecklare inom Python

 

Den examinerade har kunskap om….

  • Teoretisk och praktisk programmering i Python
  • Affärsmannaskap och det egna ansvaret för sin kompetensutveckling i företagsmiljö
  • Vanligt förekommande modeller för maskininlärning, deep learning och AI
  • Objektorienteringens principer – begrepp som klass, arv, polyformism
  • Olika modeller av neurala nätverk, exempelvis RNN (Recurrent Neural Networks) och CNN (Convolutional Neural Networks)
  • Tekniker för träning av ML och AI-modeller
  • Djupinlärningens funktionalitet – exempelvis i image analysis och natural language processing
  • Känna till och förstå matematiska fundament som ligger till grunden för maskininlärning
  • Modeller för prediktioner
  • Grundläggande problemlösningsmetoder inom automatisering
  • Agila metoder, processer och arbetssätt

 

Den examinerade har färdigheter i att….

  • Tillämpa algoritmer inom Pythons webbramverk (exempelvis Django, Flask)
  • Kommunicera och presentera projektarbeten
  • Använda maskininlärningsmodeller för prediktion och till beslutsunderlag
  • Bygga maskininlärningsmodeller med Python
  • Förstå och tillämpa problemlösningsmetoder inom automatisering
  • Färdighet i att träna en AI-algoritm
  • Använda versionshanteringssystem för korrigering och felsök i kod
  • Konstruera välfungerande klasser i sin kod
  • Använda AI-plattformar för utveckling av smarta systemlösningar och automatiserade funktioner
  • Reflektera kritiskt över fördelar och nackdelar med maskininlärning och AI
  • Tillämpa agila arbetssätt och metoder

 

Den examinerade har kompetens att…

  • Kritiskt utvärdera sitt eget arbete, exempelvis sina egna applikationer i Python
  • Arbeta med AI-tillämpningar för utveckling av applikationslösningar
  • Självständigt både arbeta i och leda agila projekt
  • På ett självständigt sätt arbeta som Pythonprogrammerare
  • Arbeta med system och design utifrån objektorienterad analys
  • Slutföra projekt utifrån sin roll som Pythonutvecklare riktad mot AI
  • Övervaka, uppdatera och utvärdera en AI-lösning som är aktivt i drift
  • Identifiera risker med en AI-lösning samt förstå och behandla data
Camilla Aokite
Ledningsgruppsrepresentant