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.

Dit olod bouwt verder op de kennis en vaardigheden uit Python Advanced. 

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

Inclusieve maatregel extra examentijd

 De totale examentijd voor de digitale en/of schriftelijke kennis- en inzichtstoets(en) bestaat uit de voorziene tijd voor deze toets plus ¼ extra examentijd – met een max. van 30 min. – voor alle studenten. De extra examentijd als individuele aanpassing is hierbij dus inbegrepen.

 Verplichte aanwezigheid bij de onderwijsactiviteiten

Voor dit opleidingsonderdeel geldt dat je verplicht aanwezig moet zijn bij alle onderwijsactiviteiten. De leerdoelen van dit opleidingsonderdeel kunnen nl. enkel tijdens de onderwijsactiviteiten aangeleerd en verworven worden omwille van de vereiste interactie met de groep en/of lector.
Als je omwille van ziekte of een andere overmachtssituatie niet aanwezig kan zijn bij een onderwijsactiviteit, dan moet je je afwezigheid voorafgaand aan deze onderwijsactiviteit melden en vervolgens wettigen. Dit doe je via de volgende procedure. Enkel onder deze voorwaarden is je afwezigheid gewettigd:

• je meldt je afwezigheid vóór de aanvang van de onderwijsactiviteit via de webmodule ‘Mijn afwezigheden’ in iBaMaFlex;
• je wettigt je afwezigheid door een geldig medisch attest of het nodige bewijsmateriaal in geval van afwezigheid door een andere overmachtssituatie binnen de 2 kalenderdagen na de gemiste onderwijsactiviteit te bezorgen via ‘Mijn afwezigheden’ in iBaMaFlex. Deze termijn wordt verlengd tot de eerstvolgende werkdag als de 2de kalenderdag een zaterdag, zondag, feestdag of verlofdag is;
• waarbij een religieuze feestdag enkel kan gelden als reden, indien je dit ten laatste op 15 oktober – of bij inschrijving na 15 oktober ten laatste 14 kalenderdagen na de inschrijving – hebt gemeld volgens de hiertoe gepaste procedure.

Er wordt een 0 op het deelexamen "projectopdracht” gegeven van zodra de student een tweede keer ongewettigd afwezig is op semesterbasis.

Het cijfer van ‘Projectopdracht’ wordt tijdens de eindverdediging vastgelegd. Zonder deelname aan de eindverdediging krijgt de student een 0 voor dit examenonderdeel.

Afwezigheid (deel)examen
Voor de voorwaarden voor het inhalen van een afwezigheid op een (deel)examen binnen en buiten de examenreeksen: zie het onderwijs- en examenreglement.
Buiten de examenreeks geldt aanvullend nog het volgende:
• Niet elke evaluatieactiviteit kan ingehaald worden o.w.v. organisatorische of didactische redenen.