Artificial intelligence (AI) - Advanced - Deep Learning (voor IT-profielen)
Praktische info:
Inschrijven?
- Voorwaarden: Basiskennis van AI is ten zeerste aangeraden (bv de cursus <Introduction to AI>); Basiskennis van Python is ten zeerste aangeraden (bv de cursus <Leren programmeren met Python>).
- Prijs: € 825
Georganiseerd door:
Artificial Intelligence (AI) is nog steeds aan een steile opmars bezig en is intussen reeds stevig verankerd in onze maatschappij, het werkveld en zelfs onze persoonlijke leefwereld. Het aantal applicaties en devices dat de transitie naar ‘smart' maakt, stijgt nog dagelijks.
Denk maar aan de impact die ChatGPT gehad heeft, maar bijvoorbeeld ook de algoritmes van Netflix of Spotify die je soms beter kennen dan je jezelf kent.
De belangrijkste motor hiervoor is Deep Learning of Artificiële Neurale Netwerken. Bij dit proces wordt het menselijk brein nagebootst door te werken met netwerken die bestaan uit verschillende lagen die allemaal beelden, getallen, geluid en teksten kunnen herkennen. Hoe meer lagen, hoe krachtiger en 'deeper' het netwerk zal zijn.
Voorbeelden zijn chatbots, gezichtsherkenning en automatische vertalingen. Deze systemen maken gebruik van een groot aantal lagen en parameters en worden steeds beter en efficiënter naarmate ze meer data gevoed krijgen waaruit ze kunnen leren.
Inhoud
- Recap
- Wat is Machine Learning en Deep Learning?
- Welke technieken en toepassingen bestaan er zo al?
- Ethische aspecten van deze technologie
- Bouwstenen
- Neural Network bouwstenen
- Learning aspecten van een Neural Network model
- Data Gathering en cleaning
- Training, validating, testing a model
- Computer Vision
- Convolutional Neural Network
- Imagenet en Transfer Learning
- NLP en LLMs
- Frequency based modelering
- Word Embeddings en Language Model
- RNN, LSTM, en Transfer Learning
- Advanced concepts
- Auto-encoders
- GANs
- Attention & Transformers
- Time-series predictions
- Praktisch aan de slag
- We maken doorheen het verhaal steeds de vertaalslag naar praktische code om het geheel tastbaar te maken.
- Een greep uit gebruikte technologieën: Python, Jupyter Notebooks, Anaconda, Google Colab, Kaggle, Keras en TensorFlow, Fastai en PyTorch.
Lesgever/spreker
Katrien Laenen
Since 2017, I have been conducting research at the LIIR group of the Human-Computer Interaction group of the KU Leuven funded by a FWO PhD Fellowship (SB) and later a FWO Postdoctoral Fellowship. This allows me to combine my passion for fashion with my interest in AI and deep learning. More precisely, my research interests are computer vision, natural language processing, recommender systems, information retrieval, multimodal representation learning, disentangled representation learning, attention mechanisms, and explainable and responsible AI.
Since 2022, I teach the lectures on natural language processing for the course Computer Vision and Natural Language Processing (B-KUL-H0Q35A) taught at the Master for AI in Business and Industry at KU Leuven Kulak.
Gerelateerde opleidingen
ESANN 2026: European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning.
Symposium - Brugge - ESANN