Artificial Intelligence @home Pro

Artificial Intelligence (AI) is niet meer voorbehouden voor academici. Machine Learning en Deep Learning zijn dankzij krachtige frameworks en cloud services binnen het bereik van iedere IT’er. Uit data inzichten puren, voorspellingen doen of automatisch patronen herkennen en classificeren, Machine Learning en Deep Learning geven een enorme boost aan je mogelijkheden als ontwikkelaar. "Software ate the world, AI will eat software."

Deze @home opleiding staat open voor iedereen die minimum 21 jaar is en/of werkstudent. Je kiest zelf wanneer je wilt studeren en ons team begeleidt jou via het internet. Er zijn ook enkele contactmomenten op de campus voorzien. Afstandsonderwijs wordt hoofdzakelijk via onze krachtige Learning management system (LMS) gegeven. Je krijgt video opnames van goede kwaliteit van het dagonderwijs, en een heleboel practica ter beschikking om op je eigen tempo je de leerstof eigen te maken.

Hoe werkt het?

Deze @home opleiding staat open voor iedereen die minimum 21 jaar is en/of werkstudent. Je kiest zelf wanneer je wilt studeren en ons team begeleidt jou via het internet. Er zijn ook enkele contactmomenten op de campus voorzien. Afstandsonderwijs wordt hoofdzakelijk via ons krachtige Learning Management System (LMS) gegeven. Je krijgt Nederlandstalige video-opnames van goede kwaliteit van het dagonderwijs, en een heleboel practica om op je eigen tempo de leerstof onder de knie te krijgen. Er is per module:

• Een introductieles voorzien in Kortrijk. Je kan dit ook in digitaal volgen, en achteraf de opname bekijken.
• Een verplicht examenmoment, ofwel op campus, ofwel in afstand via ons leerplatform.
• Alle lessen worden ingericht als afstandsonderwijs, met het nodige materiaal (video + practica) op ons leerplatform.

Elk jaar zijn er 50 tot 90 studenten die een @Home opleiding combineren met hun werk, dat lukt zeker en vast!

Onze @Home opleiding is gespreid over 3 pijlers. Na een eerste opleiding AI@Home heb je een keuze tussen 1 van de beide andere pijlers: Deploying AI@Home of AI@Home Pro.

Naast het verder uitdiepen van datagedreven Machine Learning-systemen bestudeer je in deze cursus ook Reinforcement Learning en Deep Reinforcement Learningsystemen. In plaats van te leren uit data gaan deze zelflerende systemen aan de hand van trial & error een optimale strategie zoeken die hen een maximale reward oplevert. Deze (Deep) Reinforcement leerstrategieën vinden vooral toepassingen bij zelflerende robots, optimalisatie van industriële processen, computer games, self-driving cars en gepersonaliseerde aanbevelingen.

Aanvullend gaan we dieper in op een aantal populaire optimalisatie- en simulatietechnieken die de performantie van jouw gebruikte leeralgoritme gevoelig kunnen verbeteren.

Je komt in aanraking met de state of the art AI frameworks voor het ontwikkelen van zowel Deep Neural Networks als Reinforcement Learning systemen.

Al wie AI@home heeft voltooid, of voldoende kennis heeft van Machine & Deep Learning, kan dit microdegree volgen.

Net zoals AI@home, is AI@home Pro een hand-on cursus waarbij de focus ligt op het praktisch beheersen en ontwikkelen van AI-software .

AI@home Pro is het logische vervolg op AI@home en specifiek gericht op wie dieper in de AI-technologie wil duiken. De modules machine learning en deep learning van AI@home geven je een solide basis tot de concepten van moderne AI en hoe deze praktisch te implementeren.

AI@home Pro bestaat uit 2 modules (Advanced AI en Applied AI), met slechts 1 module per semester (+/- 6 tot 9u studietijd per week) om dit te kunnen combineren met een full time job.

In “AI@home Pro” focussen we op specifieke toepassingsdomeinen van AI zoals advanced computer vision, advanced NLP (natural language processing), generatieve neurale netwerken, belief networks en multiple-input multiple-output systemen.

Reinforcement Learning

In deze hands-on module bestuderen en implementeren we Reinforcement Learning en Deep Reinforcement Learning systemen. In plaats van te lerenuit data gaan deze zelflerende systemen aan de hand van trial & error een optimale strategie zoeken die hen een maximale reward oplevert. Deze (Deep) Reinforcement Leerstrategieën vinden vooral toepassingen bij zelflerende robots, optimalisatie van industriële processen, computer games, self-driving cars en gepersonaliseerde aanbevelingen. Aanvullend
gaan we dieper in op een aantal populaire optimalisatie- en simulatietechnieken die de performantie van jouw gebruikte leeralgoritme gevoelig kunnen verbeteren.

Applied AI

In deze specialiserende module Applied AI bouwen we op deze fundamenten verder en focussen we op specifieke toepassingsdomeinen zoals de Machine Learning Pipeline, Data Labeling, Labeling Services, praktisch gaan toepassen van Object Detection en Object Segmentation, Generative Models, Advanced Embeddings en Facial Recognition, Sequence2Sequence Networks en tot slot Transformers.

De focus van Applied AI ligt op het praktisch kunnen implementeren en integreren van de geziene AI-systemen. In dit opzicht is het de bedoeling dat je in aanraking komt met diverse State-of-the-art AI-Frameworks om AI-modellen te ontwikkelen die kunnen gebruikt worden in onder andere Defect Detectie, Automatisch Vertalen, Chatbots, Question-and-Answering bots en het tellen van aanwezige objecten.