Ga verder naar de inhoud
De meest complete opleiding om te kunnen starten met je eigen AI-systemen

Introductie tot Artificial Intelligence

20 okt. 2023 - 27 okt. 2023

Artificial Intelligence is aan een disruptieve steile opmars bezig, en is stilaan niet meer weg te denken uit onze maatschappij, het werkveld, of zelfs onze persoonlijke leefwereld. Het aantal applicaties en devices dat de transitie naar ‘smart’ al hebben gemaakt, zijn legio.

Lees meer & inschrijven ⇗

Praktische info:

20 okt. 2023 - 27 okt. 2023
Thomas More Kempen, Campus Geel Kleinhoefstraat 4, 2440 Geel
Nederlands
Doelgroep: Programmeurs met een affiniteit voor data, en algoritmisch denken

Inschrijven?

  • Voorwaarden: Basiskennis van Python is ten zeerste aangeraden
  • Prijs: € 575
Lees meer & inschrijven ⇗

georganiseerd door:

Tijdens deze opleiding geven we een breed overzicht van verschillende domeinen, die vallen onder de koepel van Artificial Intelligence. We starten bij het begin met Alan Turing, gaan verder met recursie en graph searches, passeren kort langs expert systems en logic programming, om daarna in te zoomen op het domein van machine learning. Hier bekijken we enkele bekende algoritmen en toepassingen binnen supervised, unsupervised, en reinforcement learning: denk hier bv aan voorspellingen doen over de kwaliteit van een wijn, of een recommendation system bouwen om een nieuwe Netflix movie aan te raden. We maken steeds de vertaalslag naar praktische Python code om het geheel tastbaar te maken.

Uiteindelijk ronden we deze introductie af met een hands-on kennismaking met de wereld van deep learning, via onze browser en de TeachableMachine van Google. Hier ligt de nadruk op een eerste kennismaking met, en het gebruik van, Deep Learning, samen met onze webcam en browser.

In de vervolgcursus, ‘Artificial intelligence: from Machine Learning to Deep Learning’ worden deze technieken meer in detail behandeld.

Inhoud

History

  • Overview of AI
  • Recursion
  • Graph Searches
  • Logic Programming & Expert Systems

Machine Learning

  • Data driven
    Structured versus unstructured data
  • Modeling
    Training, over/underfitting, goodness van een model
  • Supervised learning
    Regression

Linear & Polynomial Regression

  • Classification
    K-nearest neighbors
    Decision Tree & Random Forest
  • Unsupervised learning
    Clustering, met k-means
    Dimensionality reduction, met PCA
    Recommender systems
  • Reinforcement learning

Deep Learning

  • Algemene concepten
  • Bouwen van een Computer Vision toepassing, met TeachableMachine van Google

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, Google Colab, Scikit-learn.