Op dit opleidingsonderdeel is er geen volgtijdelijkheid van toepassing.

In de cursus EdgeA.I. behandelen we, na een introductie in de basis principes van A.I. en de verschillen tussen supervised, unsupervised en reinforcement learning, ook de fundamenten van 'deep learning'.Hiermee verwerven we de nodige basis.

EdgeA.I. focust zich in de eerste plaats 'Machine Learning' wat eveneens ook een onderdeel is van kunstmatige intelligentie. Het idee is hier dat computers zelf iets kunnen leren, doch dat kunnen ze slechts als we deze algoritmes van voldoende en correcte data voorzien. Een bespreking van de risico's van onvoldoende, onvolledige en inaccurate data is dus op z'n plaats, alsook een kijkje in de principes van data training en cross-validatie.

Uiteraard passen we al onze nieuwe kennis meteen toe in de praktijk! In een reeks uitdagende workshops schrijven we ook zelf code in python voor onze eigen Machine Learning toepassingen. Zo experimenteren we o.a. met tekstherkenning en beeldherkenning.

Zo komen we uiteindelijk tot Machine Learning Hardware, zoals de nieuwe TPU gebaseerde Single Board Computers en IoT platformen. Deze TPU SBC's is waar het uiteindelijk 'Edge A.I.' om draait: namelijk om Machine Learning te gaan doen op de plaats waar het IoT device zich bevindt en niet 'ergens in de cloud' zoals bij andere A.I. toepassingen.

belangrijkste aspecten van machine learning

• Basis principes Machine Learning
• Distributed Machine Learning
• Beeldherkenning & tekstherkenning
• Voorspelling
• Classificeren

Vervolgens ook deze kennis gaan toepassen op een modern EdgeA.I. platform

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.

VERPLICHTE AANWEZIGHEID NOODZAKELIJK TIJDENS LESACTIVITEIT

Er wordt een 0 op "Portfolio" gegeven indien de student 4 of meer keer ongewettigd of gewettigd afwezig is op semesterbasis.

AFWEZIG OP (DEEL)EXAMEN

Als je afwezig bent voor een (deel)examen buiten de afgebakende examenreeksen, kan je deze examenactiviteit inhalen op voorwaarde dat dit organisatorisch mogelijk is én :


• Je jouw afwezigheid meldt via de module ‘Mijn afwezigheden’ in iBaMaFlex voor aanvang van het (deel)examen.
• Je dient je aanvraag voor een inhaalexamentezamen met het nodige medisch attest in via de webmodule ‘Mijn afwezigheden’ in iBaMaFlex. Je doet dit binnen 2 kalenderdagen na het gemiste (deel)examen. Indien de 2de kalenderdag een zaterdag, zondag, feest-of verlofdag is, wordt de termijn verlengd tot de eerstvolgende werkdag.
• Je maakt, binnen de 4 kalenderdagen na het gemiste (deel)examen, zelf per e-mail een afspraak met de lector omtrent het tijdstip en de wijze waarop dit (deel)examen kan ingehaald worden. Je kan slechts één (deel)examen per opleidingsonderdeel inhalen en daarvoor éénmaal een dergelijke afspraak maken. Ben je op die afspraak voor het inhaalexamen ook afwezig, dan kan je het (deel)examen niet meer inhalen. Je dient het origineel geldig medisch attest te bewaren zodat dit in geval van onduidelijkheid alsnog kan worden opgevraagd.

Voldoe je niet aan de voorgaande voorwaarden, dan heb je geen recht op een inhaalexamen en krijg je bijgevolg 0 op dit (deel)examen.