Artesis Plantijn Hogeschool Antwerpen
Media, Design en IT
Edge AI36989/3373/2425/1/79
Studiegids

Edge AI

36989/3373/2425/1/79
Academiejaar 2024-25
Komt voor in:
  • Bachelor in de elektronica-ICT, trajectschijf 3
    Keuzeoptie:
    • IT & Internet of Things
Dit is een enkelvoudig opleidingsonderdeel.
Studieomvang: 3 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): Charpentier Steven
Onderwijstalen: Nederlands
Kalender: Semester 1
Dit opleidingsonderdeel wordt gequoteerd op 20 (tot op een geheel getal).
Mogelijke grensdata voor leerkrediet: 15.10.2024 (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: 78,00 uren

Volgtijdelijkheid

Op dit opleidingsonderdeel is er geen volgtijdelijkheid van toepassing.

Korte omschrijving

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.

OLR-Leerdoelen (lijst)

Analyseren
Analyseert alle deel probleemstellingen van een Edge AI project.
Communiceren
Communiceert mondeling efficiënt en effectief binnen de context van Edge AI, waarbij de nadruk ligt op het bespreken van technische aspecten en het effectief presenteren van AI-oplossingen.
Rapporteert op correcte wijze de resultaten van een ML analyse, alsook die van een Edge AI project.
Ontwerpen
Verklaart de basisprincipes van AI, ML en Edge AI.
Realiseren
Legt de fundamenten achter Machine Learning uit.
Ontwikkelt, individueel of in groep, het ontwerp van Edge AI-toepassingen op een iteratieve manier en streeft naar een stabiele oplossing die voldoet aan zowel de functionele als technische vereisten van Edge AI-implementaties.

Leerinhoud

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

Studiematerialen (lijst)

Online leermateriaal op DigitapVerplicht

Studiematerialen (tekst): Verplicht

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

Onderwijsorganisatie

Werkvormen
Hoor- en/of werkcolleges18,00 uren
Practicum en/of oefeningen18,00 uren
Werktijd buiten de contacturen42,00 uren

Toetsing (lijst)

Evaluatie(s) voor de eerste examenkans
MomentVorm%Opmerking
Eerste examenperiodeKennis- en inzichtstoets in de examenreeks35,00Digitaal.
Eerste examenperiodeVaardigheidstoets in de examenreeks35,00Digitaal.
Evaluatie(s) voor de tweede examenkans
MomentVorm%Opmerking
Tweede examenperiodeKennis- en inzichtstoets in de examenreeks35,00Digitaal.
Tweede examenperiodeVaardigheidstoets in de examenreeks35,00Digitaal.
Evaluatie(s) voor beide examenkansen, niet herhaalbaar in tweede examenkans
MomentVorm%Opmerking
Eerste examenperiodeProjectopdracht30,00

Toetsing (tekst)

De totale examentijd voor de kennis- en inzichtstoets(en) en/of de vaardigheidstoets(en) die tijdens de examenreeks en de toetsweek plaatsvinden, bestaat uit de voorziene tijd hiervoor plus ¼ extra examentijd – met een max. van 30 min. – voor alle studenten. De extra examentijd als individuele aanpassing is hierbij dus inbegrepen. Indien er op het moment van de toetsing een aanvullende toetsing plaats zou vinden, dan wordt de extra examentijd met een maximum van 30 min. toegekend.

VERPLICHTE AANWEZIGHEID NOODZAKELIJK TIJDENS LESACTIVITEIT

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