Artesis Plantijn Hogeschool Antwerpen
Media, Design en IT
ML algorithms38488/3670/2627/1/61
Studiegids

ML algorithms

38488/3670/2627/1/61
Academiejaar 2026-27
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: 01.12.2026 (Academiejaar)
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 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. We leren werken met chatbots om onze code te verbeteren.

Dit olod bouwt verder op de kennis en vaardigheden uit ML Principles. 

OLR-Leerdoelen

Analyseren
Legt uit hoe de algoritmes conceptueel werken.
Verklaart op theoretisch niveau waarom een algoritme wel of niet geschikt is voor een bepaald type dataset.
Onderzoeken
Valideert en vergelijkt verschillende algoritmes op basis van nauwkeurigheid en geschiktheid voor de dataset.
Verbetert eigen geschreven code met behulp van een chatbot of andere ondersteunende tooling.
Ontwerpen
Selecteert het geschikte ML-algoritme voor een probleem en motiveert deze keuze.
Verklaart de werking van de behandelde ML-algoritmes op een duidelijk en conceptueel niveau.
Realiseren
Implementeert een ML algoritme met de aangewezen library.
Past ML-algoritmen toe op een dataset, inclusief preprocessing, training, evaluatie en interpretatie van de resultaten.

Leerinhoud

  • Python libraries voor ML algoritmes
  • Naive Bayes
  • Clustering
  • Dimensional reduction
  • Nearest neighbours
  • Support Vector Machines
  • Ensembles van beslissingsbomen
  • Recommender system
  • Taalverwerking en semantisch zoeken
  • Forecasting 
  • Anomalie detectie
  • werken met chatbots om code te verbeteren (ter beschikking gesteld door de lector)

 

Studiematerialen

StudiewijzerVerplicht
Online leermateriaal op DigitapVerplicht

Onderwijsorganisatie

Werkvormen
Hoor- en/of werkcolleges24,00 uren
Practicum en/of oefeningen24,00 uren
Werktijd buiten de contacturen108,00 uren

Toetsing

Evaluatie(s) voor de eerste examenkans
MomentVorm%Opmerking
Eerste examenperiodeKennis- en inzichtstoets in de examenreeks30,00Digitaal.
Eerste examenperiodeVaardigheidstoets in de examenreeks40,00Digitaal.
Eerste examenperiodeVaardigheidstoets permanent tijdens de lesweken (Permanente evaluatie)30,00
Evaluatie(s) voor de tweede examenkans
MomentVorm%Opmerking
Tweede examenperiodeKennis- en inzichtstoets in de examenreeks30,00Digitaal.
Tweede examenperiodeVaardigheidstoets in de examenreeks70,00Digitaal.

Toetsing (vervolg)

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.



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.