Artesis Plantijn Hogeschool Antwerpen
Wetenschap en Techniek
campus Spoor Noord Ellermanstraat
Ellermanstraat 33 - 2060 Antwerpen
wt@ap.be
Neural networks35827/2199/2122/1/00
Studiegids

Neural networks

35827/2199/2122/1/00
Academiejaar 2021-22
Komt voor in:
  • Bachelor in de toegepaste informatica, trajectschijf 2
    Keuzeoptie:
    • AI
In andere opleidingen:
  • Bachelor in de elektronica-ICT als Neural networks
Dit is een enkelvoudig opleidingsonderdeel.
Studieomvang: 6 studiepunten
Men kan dit opleidingsonderdeel niet volgen binnen een
  • examencontract (met het oog op het behalen van een creditbewijs).
  • examencontract (met het oog op het behalen van een diploma).
Titularis: Haddouchi Hassan
Andere co-titularis(sen): Overdulve Kristof
Onderwijstalen: Nederlands
Kalender: Semester 2
Dit opleidingsonderdeel wordt gequoteerd op 20 (tot op een geheel getal).
Mogelijke grensdata voor leerkrediet: 15.03.2022 (2de semester)
Tweede examenkans: wel mogelijk.
Tolereerbaarheid: Voor dit opleidingsonderdeel moet je slagen (wordt nooit getolereerd).
Totale studietijd: 156,00 uren

Volgtijdelijkheid

binnen trajectschijf 1 al minstens 42 studiepunten afgewerkt hebben EN ((simultaan te volgen met AI principles OF simultaan te volgen met AI Principles) OF (eerder ingeschreven voor AI principles OF eerder ingeschreven voor AI Principles)).

Korte omschrijving

In dit OLOD leren we een neurale netwerk (NN) maken. NN liggen aan de basis van de meest flexibele en populaire vorm van machinaal leren: deep learning. Het zal blijken dat achter de schermen een NN er verbazend eenvoudig uit ziet. De kracht zit hem in de manier waarop je de onderdelen van een NN combineert. Wij beginnen met een eenvoudig beeldherkenning-algoritme en evolueren snel naar meer exotische en fascinerende NN.

OLR-Leerdoelen (lijst)

A.6. Application Design
Begrijpt het werkingsmechanisme achter neurale netwerken.
Traint neuraal netwerk op dat beantwoordt aan een probleemstelling.
B.1. Design and Development
Bereidt data voor met het oog op de creatie van een neuraal netwerk.
B.3. Testing
Optimaliseert een neuraal netwerk aan de hand van diens hyperparameters.
Evalueert een getraind neuraal netwerk kritisch.
C.3. Service Delivery
Houdt tijdens de creatie van een neuraal netwerk rekening met ethische aspecten.
F.1. Taakanalyse
Onderzoekt het effect van data-invoer op de kwaliteit van een neuraal netwerk.
G.2. Schriftelijke communicatie
Rapporteert op professionele wijze over diens resultaten.

Leerinhoud

Theorie

- Van perceptron tot feed-forward neuraal netwerk
- Backpropagation
- Deep reinforcement learning
- Vanishing gradiënts
- Architectuurregels voor NNs
- Ethische aspecten

Praktijk

- Voorbereiden van data
- Functioneel programmeren in R en Python
- Functionele en sequentiële APIs van Keras
- Autoencoders
- Beeldherkenning
- Convolutionele NN
- Recurrente NN
- Uitbeelden van een NN architectuur

Studiematerialen (tekst): Verplicht

ELEKTRONISCHE LEEROMGEVING: (vrij ter beschikking voor elke student)
In een cursus bij dit opleidingsonderdeel op de elektronische leeromgeving wordt aanvullend studiemateriaal en studieinformatie aangeboden.

LAPTOP:

De student dient voor dit opleidingsonderdeel zijn/haar persoonlijke laptopcomputer te gebruiken. Er worden faciliteiten geboden voor de aanschaf/installatie van de noodzakelijke software

Onderwijsorganisatie

Werkvormen
Hoor- en/of werkcolleges24,00 uren
Practicum en/of oefeningen24,00 uren
Werktijd buiten de contacturen108,00 uren

Toetsing (lijst)

Evaluatie(s) voor de eerste examenkans
MomentVorm%Opmerking
AcademiejaarKennistoets30,00open en gesloten vragen: momentopname op examen, digitaal
AcademiejaarVaardigheidstoets hands on30,00casus: momentopname op examen, digitaal
Evaluatie(s) voor de tweede examenkans
MomentVorm%Opmerking
Tweede examenperiodeKennistoets30,00open en gesloten vragen: momentopname op examen, digitaal
Tweede examenperiodeVaardigheidstoets hands on30,00casus: momentopname op examen, digitaal
Evaluatie(s) voor beide examenkansen, niet herhaalbaar in tweede examenkans
MomentVorm%Opmerking
AcademiejaarVaardigheidstoets hands on permanent (Permanente evaluatie)40,00casus: permanent uitgesteld, digitaal

Toetsing (tekst)

Permanente evaluatie met verplichte aanwezigheid.
Er wordt een 0 op het deelexamen Vaardigheids hands on permanent gegeven indien de student 4 of meer keer ongewettigd of gewettigd afwezig is op semesterbasis.
De student kan voor de betrokken examenvorm (Vaardigheidstoets hands on permanent) 1 afwezigheid inhalen en dit enkel indien het organisatorisch mogelijk is. De student neemt het initiatief om binnen de 3 kalenderdagen na het gemiste deelexamen met de lector deze inhaalsessie in te plannen.

Laattijdig indienen van een opdracht resulteert in een 0 score voor die opdracht tenzij de student o.w.v. medische redenen of een andere overmachtssituatie de toestemming kreeg om de opdracht later in te dienen dan de opgegeven deadline.
De student die omwille van medische redenen of overmacht de opdracht niet tijdig indient, kan uitstel aanvragen volgens volgende procedure:
De student uploadt binnen de 2 kalenderdagen, na de dag waarvoor hij een uitstel van afgifte wil aanvragen, via de iBaMaFlex-module ‘mijn afwezigheden’ een geldig medisch attest, zoals omschreven onder de begripsbepaling van het onderwijs- en examenreglement, of het nodige bewijsmateriaal voor de overmachtssituatie én brengt de verantwoordelijke lector via mail op de hoogte.
De student die voldoet aan de voorwaarden voor uitstel van afgifte bepaalt in overleg met de betrokken lector een nieuwe inleverdatum.