Artesis Plantijn Hogeschool Antwerpen
Media, Design en IT
ML algorithms38488/3112/2324/1/64
Studiegids

ML algorithms

38488/3112/2324/1/64
Academiejaar 2023-24
Komt voor in:
  • Bachelor in de toegepaste informatica, trajectschijf 2
    Afstudeerrichting:
    • Artificiële Intelligentie
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: Herman Bruno
Co-titularis(sen) zijn nog niet (allemaal) gekend.
Onderwijstalen: Nederlands
Kalender: Semester 1
Dit opleidingsonderdeel wordt gequoteerd op 20 (tot op een geheel getal).
Mogelijke grensdata voor leerkrediet: 15.10.2023 (1ste semester)
Tweede examenkans: wel mogelijk.
Delibereerbaarheid/tolereerbaarheid: Dit opleidingsonderdeel komt in aanmerking voor deliberatie/tolerantie onder de voorwaarden van de opleiding waarvoor je bent ingeschreven.
Totale studietijd: 156,00 uren

Volgtijdelijkheid

Op dit opleidingsonderdeel is er geen volgtijdelijkheid van toepassing.

Korte omschrijving

ML algorithms bouwt voort op ML Principles en Mathematical Principles en richt zich op het toepassen van algoritmen die gegevens kunnen analyseren en daarbij patronen kunnen ontdekken. Het omvat verschillende technieken en modellen die worden gebruikt om machine learning toepassingen te ontwikkelen en te verbeteren. Het doel van ML algoritmen is om machines te laten leren van gegevens en voorspellingen te doen op basis van deze data. Naast algemene algoritmes voor bijvoorbeeld data te clusteren of anomalieën te detecteren zien we ook specifieke technieken voor toepassingen zoals voor taalverwerking of recommender systems.

OLR-Leerdoelen (lijst)

A.5. Architecture Design
Verklaart de werking van de algoritmes.
Selecteert het juiste algoritme voor een probleem en motiveert dit.
B.1. Design and Development
Implementeert een ML algoritme te implementeren met de aangewezen library.
Past ML algoritmes toe op een dataset.
B.3. Testing
Valideert en vergelijkt verschillende algoritmes.

Leerinhoud

  • Python libraries voor ML algoritmes (sklearn, numpy, pandas, matplotlib, NLTK, OpenCV, ...)
  • Naive Bayes
  • Clustering (KNN, hierarchical, DBScan)
  • Dimensional reduction
  • Nearest neighbours (NN)
  • Support Vector Machines (SVM)
  • Genetische algoritmes
  • Ensembles van beslissingsbomen
  • Recommender system (collaborative filtering, association rules)
  • Taalverwerking (bag of words, sentiment analyse)
  • Forecasting (ARIMA)
  • Anomalie detectie

Studiematerialen (tekst): Verplicht

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.

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
Eerste examenperiodeKennis- en inzichtstoets in de examenreeks30,00
Eerste examenperiodeVaardigheidstoets in de examenreeks40,00
Evaluatie(s) voor de tweede examenkans
MomentVorm%Opmerking
Tweede examenperiodeKennis- en inzichtstoets in de examenreeks30,00
Tweede examenperiodeVaardigheidstoets in de examenreeks40,00
Evaluatie(s) voor beide examenkansen, niet herhaalbaar in tweede examenkans
MomentVorm%Opmerking
Eerste examenperiodeVaardigheidstoets permanent tijdens de lesweken (Permanente evaluatie)30,00Opdrachten doorheen het semester.

Toetsing (tekst)

AFWEZIG OP (DEEL)EVALUATIE
Als je afwezig bent voor een (deel)evaluatie buiten de afgebakende examenreeksen, 
kan je deze evaluatieactiviteit inhalen op voorwaarde dat dit organisatorisch mogelijk is én :

  • Je jouw afwezigheid meldt via de module ‘Mijn afwezigheden’ in iBaMaFlex voor aanvang van de (deel)evaluatie.

  • Je dient je aanvraag voor een inhaalmoment tezamen met het nodige medisch attest in via de webmodule ‘Mijn afwezigheden’ in iBaMaFlex. 
Je doet dit binnen 2 kalenderdagen na de gemiste (deel)evaluatie. 
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 de gemiste (deel)evaluaite, 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)evaluatie per opleidingsonderdeel inhalen en daarvoor éénmaal een dergelijke afspraak maken. 
Ben je op die afspraak voor het inhaalmoment 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 inhaalmoment en krijg je bijgevolg 0 op deze (deel)evaluatie.