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

Tijdens het OLOD Artificiële intelligentie (AI) gaan we stap-voor-stap leren om voorspellingen te maken op basis van aangeleverde data en om deze voorspellingen in te zetten om een systeem aan te sturen. We beginnen bij het op een andere manier naar data te kijken dan wat we tot nog toe gewoon waren. Daarna trachten we om zelf patronen te herkennen door middel van data visualisaties en tenslotte leren we een algoritme om zelf patronen te ontdekken.

Op theoretisch vlak leren we over optimalisaties, over gradiënten en over lokale en globale minima. We komen allerhande algoritmes tegen zoals Naive Bayes Classifier en Elastic Net regularisatie en komen ook al neurale netwerken tegen. We leren bovendien functioneel programmeren in R en in Python zodat we onze nieuwe kennis ook meteen kunnen toepassen. Misschien nog belangrijker dan de technische vaardigheden, zal dit OLOD een unieke set aan soft skills bij ons aanwakkeren: kritisch denken en probleem-oplossend denken. Deze vaardigheden zullen cruciaal blijken bijvoorbeeld tijdens het evalueren van een getraind algoritme. Er wordt geen bijzondere achtergrond in wiskunde vereist.

De onderwijsvorm bestaat uit een goede mix van praktijk en theorie, waarbij de uren praktijk en theorie ook duidelijk afgebakend worden. Tijdens de cursus zal er een formatieve evaluatie plaatsvinden met regelmatige feedback en op het einde volgen er twee examen, eentje voor de theorie en eentje voor de praktische vaardigheden.

- Functioneel programmeren
- Algoritmisch denken
- Gebruik van online databronnen
- Werken met data tables en pipes
- Visualiseren van data
- Gebruik van RStudio
- Functioneel programmeren in R en Python
- Ontwikkelen van multi-language notebooks
- Elastic net regularisatie
- Random forests
- Naive Bayesian classifier
- Demo gebruik van TensorFlow
- Notebook-systeem (Markdown)

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 aanschaf/installatie van de noodzakelijke software

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.