binnen trajectschijf 1 al minstens 60 studiepunten afgewerkt hebben.

Het concept dat Machine-learning "in the cloud" zit, dat gebruikers hun te analyseren foto, video, geluid, etc doorsturen naar een groep van A.I. Computers,
en vervolgens het resultaat van deze analyse terug krijgen via het internet is in de context van het Internet-of-Things praktisch zogoed als altijd onhaalbaar.
IoT devices hebben meestal slechts een zéér beperkte data-verbinding, de reden waarom bovenstaande concept onmogelijk is.

"Edge A.I." is de oplossing voor dit probleem !

Door de miniaturisering van de "TPU" of "Tensor Processing Unit" ontstond een hele reeks van kleine Single Board Computers,
(denk aan de vormfactor van de Raspberry Pi) waarop men op de hardware zelf van het bordje Machine Learning algoritmes kan runnen.

In dit vak leert de student aan de hand van een groeps-project de vele facetten van een Edge AI Cluster kennen.

Dit omvat dus meer dan enkel de Machine Learning Algoritmes zelf, maar de volledige opbouw, netwerking, voeding, operating systeem, task-distributie, enz
van een compacte cluster waarop "Edge A.I." kan gerund worden. Samen met z'n andere teamleden zal elke student meebouwen aan dit uitdagende project.

De studenten Toegepaste Informatica zullen daarnaast ook een uitbreiding van het project implementeren. Deze uitbreiding zal zich situeren binnen de scope van het voorgaande project. De student leert hoe eigenschappen van een probleemstelling/uitbreiding kunnen worden verzameld en geanalyseerd opdat een tastbare, realistische uitbreiding kan worden geëvalueerd en toegepast.

Het concept dat Machine-learning "in the cloud" zit, dat gebruikers hun te analyseren foto, video, geluid, etc doorsturen naar een groep van A.I. Computers,
en vervolgens het resultaat van deze analyse terug krijgen via het internet is in de context van het Internet-of-Things praktisch zogoed als altijd onhaalbaar.
IoT devices hebben meestal slechts een zéér beperkte data-verbinding, de reden waarom bovenstaande concept onmogelijk is.

"Edge A.I." is de oplossing voor dit probleem !

Door de miniaturisering van de "TPU" of "Tensor Processing Unit" ontstond een hele reeks van kleine Single Board Computers,
(denk aan de vormfactor van de Raspberry Pi) waarop men op de hardware zelf van het bordje Machine Learning algoritmes kan runnen.

In dit vak leert de student aan de hand van een groeps-project de vele facetten van een Edge AI Cluster kennen.

Dit omvat dus meer dan enkel de Machine Learning Algoritmes zelf, maar de volledige opbouw, netwerking, voeding, operating systeem, task-distributie, enz
van een compacte cluster waarop "Edge A.I." kan gerund worden. Samen met z'n andere teamleden zal elke student meebouwen aan dit uitdagende project.

De studenten Toegepaste Informatica zullen daarnaast ook een uitbreiding van het project implementeren. Deze uitbreiding zal zich situeren binnen de scope van het voorgaande project. De student leert hoe eigenschappen van een probleemstelling/uitbreiding kunnen worden verzameld en geanalyseerd opdat een tastbare, realistische uitbreiding kan worden geëvalueerd en toegepast.

ELEKTRONISCHE LEEROMGEVING: (vrij ter beschikking voor elke student)
Op de elektronische leeromgeving wordt studiemateriaal en studieinformatie aangeboden.

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

MATERIAAL:
De nodige TPU gebaseerde Edge A.I. Hardware wordt voorzien.

AFWEZIG OP EVALUATIEACTIVITEIT
Evaluatieactiviteiten zijn bijvoorbeeld: (deel)examens, tussentijdse toetsen, inleveren van een (groeps)taak en opdrachten, een (groeps)presentatie, gastcollege, een studiebezoek.

Je wettigt je afwezigheid bij evaluatieactiviteiten tijdens de lesweken (en dus buiten de examenreeks) door een geldig medisch attest in geval van ziekte of het nodige bewijsmateriaal voor een andere overmachtssituatie te uploaden voor aanvang van de evaluatieactiviteit via de module ‘Mijn afwezigheden’ via iBaMaFlex.

Er wordt een 0 op de betrokken evaluatieactiviteit gegeven indien de student afwezig is. De student kan voor de betrokken evaluatieactiviteit de afwezigheid inhalen enkel indien de afwezigheid gewettigd is en het organisatorisch of didactisch mogelijk is.
De student maakt, binnen de 3 werkdagen na het gemiste evaluatieactiviteit, zelf per e-mail een afspraak met de lector omtrent het tijdstip en de wijze waarop dit kan ingehaald worden. Neem je niet deel aan de ingehaalde evaluatieactiviteit dan kan je deze niet meer inhalen en wordt er een 0 op de betrokken evaluatieactiviteit toegekend.

VERPLICHTE AANWEZIGHEID NOODZAKELIJK TIJDENS LESACTIVITEIT
Er wordt een 0 op het olod gegeven, voor zowel 1ste als 2de examenkans, indien de student 4 of meer keer ongewettigd of gewettigd afwezig is op semesterbasis.
De student kan 1 afwezigheid inhalen en dit enkel indien het organisatorisch mogelijk is. De student neemt het initiatief om binnen de 3 kalenderdagen na de gemiste sessie met de lector deze inhaalsessie in te plannen.