Artificial intelligence - Fundamentals

Waarom zou u als professional een “AI fundamentals” opleiding volgen?

In de snel evoluerende wereld van informatietechnologie (IT) wordt het steeds duidelijker dat kunstmatige intelligentie (AI) een cruciale rol zal spelen om efficiënter uw job invulling te geven. Voor IT-professionals is het daarom van groot belang om een grondige kennis van AI-fundamenten te verwerven. Hier zijn de drie belangrijkste redenen waarom een IT-professional deze "AI fundamentals" opleiding zou moeten volgen:

1. Future proof knowledge: AI wordt steeds meer geïntegreerd in zakelijke processen en producten. Het begrijpen van de basisprincipes van AI stelt IT-professionals in staat om relevant te blijven en zich aan te passen aan de voortdurende veranderingen in de branche, waardoor ze hun carrière toekomstbestendig maken.

2. Innovatie en efficiëntie: AI biedt mogelijkheden voor innovatie en verbeterde efficiëntie in verschillende IT-gerelateerde taken en projecten. Het leren van AI-fundamenten stelt IT-professionals in staat om oplossingen te ontwikkelen die data-gedreven besluitvorming en doorgedreven automatisering mogelijk maken en nieuwe mogelijkheden tot bedrijfsgroei te realiseren.

3. Probleemoplossend vermogen: Een goed begrip van AI-fundamenten stelt IT-professionals in staat om complexere problemen op te lossen die anders moeilijk te benaderen zouden zijn. Als het nu gaat om het analyseren van grote datasets, het ontwikkelen van voorspellende modellen of het implementeren van chatbots, AI-kennis vergroot de capaciteit van IT-professionals om creatieve en effectieve oplossingen aan te bieden.

Kortom, een solide basis in AI is essentieel voor IT-professionals die hun vaardigheden willen versterken, hun carrière willen stimuleren en waarde willen toevoegen aan hun organisaties in het tijdperk van digitale transformatie.

• De verhouding tussen theorie en praktijk is 60%-40%.
• Voor de hands-on labs moeten de deelnemer een laptop mee brengen!
• Volgende software moeten vóór de start van de opleiding reeds op laptop geïnstalleerd te staan:
  • Python: minimaal versie 3.11,
  • Python IDE - vb Pycharm

Het bredere begrippenkader:

• AI
• Machine learning
• Neurale netwerken,
• Data preprocessing
• Training van machine learning modellen en evaluatie
• Overfitting en regularisatie
• Unsupervised Learning
• Feature Selection en Dimensionality Reduction
• Introductie Deep Learning
• Ethiek en Verantwoordelijkheid

AI

• Expertsystemen,
• Logica,
• Evolutie,

Machine learning

• De basisprincipes van machine learning
• Het verschil tussen supervised, unsupervised en reinforcement learning

Neurale Netwerken

• Begrip van neurale netwerken,
• Hun architectuur en werking, inclusief perceptrons
• Feedforward-netwerken en backprogation,

Data Preprocessing

• Technieken voor het verzamelen
• Reinigen en voorbereiden van gegevens voor machine learning-modellen (inclusief feature engineering en normalisatie)

Model Training en Evaluatie

• Het trainen van machine learning-modellen met behulp van verschillende algoritmen
• Evaluatiecriteria zoals nauwkeurigheid, precisie, recall en F1-score

Overfitting en Regularisatie

• Begrip van overfitting
• Methoden voor het voorkomen ervan
• Het belang van reguliere termen in het trainingsproces

Unsupervised Learning

• Begrip van clustering
• Technieken zoals K-means, DBSCAN en Gaussian mixtures.

Feature Selection en Dimensionality Reduction

• Technieken voor het selecteren van features,
• Het verminderen van de dimensionaliteit van gegevens,
• Principal components analysis (PCA).

Introductie Deep Learning

• Keras,
• Hyperparameter tuning.

Ethiek en verantwoordelijkheid

• De ethische overwegingen bij het ontwikkelen en implementeren van AI-systemen, evenals het begrip van bias, fairness en de verantwoordelijke inzet van AI in de samenleving.

• maandag 4 november 2024, 19:00-22:00
• maandag 18 november 2024, 19:00-22:00
• maandag 25 november 2024, 19:00-22:00
• maandag 2 december 2024, 19:00-22:00
• maandag 9 december 2024, 19:00-22:00
• maandag 16 december 2024, 19:00-22:00