Introductie tot Artificial Intelligence

Inhoud

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.

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.

Programma

We beginnen deze cursus met een korte geschiedenisles over Artificial Intelligence. Er worden een aantal programmeervoorbeelden gegeven waar je thuis verder mee kan spelen, maar het is niet de focus van de cursus.

Daarna duiken we die in Machine Learning. We gebruiken de titanic-dataset, wat een beetje de hello-world dataset is voor machine learning.

We maken eerst een random forecaster. Dat is een erg slecht model, maar het zorgt ervoor dat we alle stappen al eens doorlopen (data inlezen, model trainen, getraind model exporteren, een streamlit-web app maken waarin we ze hosten).

Daarna gebruiken we PyCaret om het model te verbeteren. PyCaret is een library die het hele machine learning proces automatiseert. Het traint een hele hoop modellen en geeft dan aan welk van die modellen het beste zou zijn voor onze data. Er komt ook een model uit dat we terug naar onze web app uitrollen.

De volgende stap is dat we zelf een model maken. Dit geeft ons een beter inzicht in de verschillende stappen die PyCaret van ons overnam waardoor we het proces beter begrijpen.

Tenslotte grijpen we in op onze data. Kunnen wij met ons gezond verstand bepaalde ingrepen doen op de data die ervoor zorgen dat het model er meer van kan maken, bijvoorbeeld door missende data bij op te vullen of rijen met duidelijk foute data te verwijderen. Hiermee gaan we in het domein van de data science.

Op de volgende dag doen we het hele proces nog eens opnieuw, maar dan met tijdsgerelateerde data.

Werking

De cursus is erg hands-on. Dit heeft voor- en nadelen. Voordeel is dat je zelf code hebt gemaakt die werkt en een model hebt gebruikt in een praktische setting. Het nadeel is dat het een doe-cursus wordt: je moet echt zelf aan de slag. Dat maakt het geheel minder geschikt voor cursisten met een beperkte achtergrond in programmeren.

Lesmomenten

Dinsdag 16 april 2024 - 9u30-16u30

Dinsdag 23 april 2024 - 9u30-16u30

Doelgroep

Programmeurs met een affiniteit voor data en algoritmisch denken

Toelatingsvoorwaarden

Basiskennis van Python is ten zeerste aangeraden (bv de cursus Leren programmeren met Python).

Opmerkingen

Volgende zaken zijn inbegrepen in de prijs:

·        cursusmateriaal

·        koffie, thee of frisdrank tijdens de pauzes

·        lunch

Tijdens deze opleiding werk je op je eigen laptop: vergeet deze dus zeker niet mee te brengen. Heb je geen laptop, geen probleem: er staan ook een aantal vaste PC’s in het opleidingslokaal. Geef het wel even aan bij je inschrijving. Een browser is trouwens voldoende, specifieke softwarepakketen zijn niet nodig.

KMO-portefeuille

Deze vorming komt in aanmerking voor steun via KMO-portefeuille. Het erkenningsnummer van Thomas More is DV.O102068, deze vorming valt onder de categorie 'Digitalisering'. Klik hier voor meer informatie.