Deploying AI @home

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.

Net zoals AI@home pro, is Deploying AI@home een logische vervolg op AI@home en specifiek gericht op wie AI Software in productie wil brengen.

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. Nadat je expertise hebt opgebouwd in het ontwikkelen van AI modellen, is de volgende stap ze in productie brengen. Naast verbeteringen in de code, zal een goede AI software oplossing de gebruikte modellen constant verbeteren door op nieuwe data te hertrainen. Dat is een laag complexiteit extra t.o.v. een “klassieke software” oplossing, en daarom wordt dit ook devops voor Machine Learning of kortweg MLOps genoemd.

Net zoals AI@home, is Deploying AI@home een hand-on cursus waarbij de

focus ligt op het praktisch kunnen deployen van AI software. AI@home

Pro bestaat uit 2 modules, met slechts 1 module per semester (+/- 6 tot

9u studietijd per week) om dit te kunnen combineren met een full time

job.

We raden sterk aan om de cursus AI@home succesvol af te ronden alvorens je deze microdegree aanvat. AI@home, AI@home Pro en Deploying AI@home zijn gebaseerd op de modules van onze bachelor MCT “AI Engineer”.

Back-end development

In de module “Back-end developement” gaan we dieper in op de ontwikkeling van API’s met een AI Back-end die gebruikt worden door frontend applicaties of in een microservice architectuur. We starten met het opzetten van een basis API in ASP.NET Core Web API metbehulp van C#. Daarna bouwen we stap voor stap verder en gaan we dieper in op zaken zoals Entity Framework, Unit Testing, Integration Testing. We leren ook hoe we applicatie hosten in Docker omgevingen. Op deze manier kan de student de module volgen zowel op Windows, Linux als Mac en kunnen de gemaakte containers met AI software op elk platform gehost worden.

MLOps@home

In de module “MLOps@home” leer je de best practices rond de deployment van AI software. Web API’s, Docker en Kubernetes, cloud deployment op Google (Vertex AI) en Azure machine learning services komen aan bod. Het automatiseren van dit proces leer je uitvoeren in Python en CLI tools. Je leert Kubeflow en Mlflow kennen, twee bekende MLOps tools, om de data, AI en deployment pipeline op te zetten en te onderhouden.