AI voor IT'ers - Fundamentals & Machine Learning

Over de cursus

Artificial Intelligence (AI) transformeert onze samenleving in hoog tempo en vindt toepassingen in uiteenlopende domeinen, van intelligente assistenten tot geavanceerde medische technologieën. De opleiding Artificial Intelligence & Machine Learning Fundamentals biedt een gedegen introductie tot dit dynamische vakgebied.

Tijdens deze opleiding worden de kernconcepten van Machine Learning behandeld en wordt inzicht geboden in de praktische toepassingen van deze technologie. Door een combinatie van theoretische kaders en praktijkgerichte voorbeelden leren deelnemers hoe algoritmes functioneren, hoe data optimaal wordt ingezet en hoe waardevolle inzichten kunnen worden gegenereerd.

De opleiding start met een praktijkgerichte opdracht waarbij gebruik wordt gemaakt van de Titanic-dataset.

In eerste instantie wordt een Random Forecaster ontwikkeld, waarbij alle stappen van het proces worden doorlopen:

⭢ Data inlezen en voorbereiden
⭢ Model trainen en evalueren
⭢ Het getrainde model exporteren
⭢ Implementatie in een Streamlit-webapplicatie

Vervolgens wordt PyCaret ingezet om het model te optimaliseren. PyCaret is een geavanceerde library die het Machine Learning-proces automatiseert door verschillende modellen te trainen en het best presterende model te selecteren. Dit verbeterde model wordt geïntegreerd in de webapplicatie.

De daaropvolgende fase richt zich op het zelfstandig ontwikkelen van een Machine Learning-model. Dit biedt deelnemers diepgaand inzicht in de afzonderlijke stappen die PyCaret automatiseert, waardoor het gehele proces beter wordt begrepen.

Daarnaast wordt aandacht besteed aan data-optimalisatie. Door middel van gerichte interventies, zoals het aanvullen van ontbrekende gegevens en het verwijderen van inconsistente of foutieve data, wordt de modelprestatie verder verbeterd. Hiermee wordt tevens een brug geslagen naar het domein van Data Science.

Op de tweede opleidingsdag wordt het volledige Machine Learning-proces herhaald, met een focus op tijdgerelateerde data. Deelnemers passen de eerder verworven kennis toe op nieuwe datasets en verdiepen zich in specifieke uitdagingen en technieken binnen time series analysis.

Katrien Laenen van Thomas More is je ervaren trainer en coach.

Programma

Dag 1: Inleiding & Machine Learning Basics

⮕ Introductie tot Artificial Intelligence & Machine Learning
⮕ Toepassingen van AI in de praktijk
⮕ Kernconcepten van Machine Learning
⮕ Hoe werken algoritmes?
⮕ Hoe zet je data effectief in?
⮕ Hoe genereer je waardevolle inzichten?

Praktijk: Titanic-dataset & Modeltraining

⮕ Eerste model bouwen: Random Forecaster
⮕ Data inlezen
⮕ Model trainen
⮕ Getraind model exporteren
⮕ Webapp bouwen in Streamlit om het model te hosten
⮕ Model verbeteren met PyCaret
⮕ Automatisch meerdere modellen trainen
⮕ Beste model selecteren
⮕ Verbeterd model implementeren in de webapp
⮕ Zelf een model bouwen
⮕ Dieper inzicht krijgen in Machine Learning-processen
⮕ Begrijpen welke stappen PyCaret automatiseert
⮕ Data optimaliseren voor betere prestaties
⮕ Missende data opvullen
⮕ Foute data verwijderen
⮕ Basisprincipes van Data Science

Dag 2: Machine Learning met tijdgerelateerde data

⮕ Toepassen van de aangeleerde technieken op tijdreeksen
⮕ Herhalen van het hele proces met nieuwe datasets
⮕ Praktische hands-on oefeningen

Voor wie

Doelgroep

Deze opleiding is specifiek ontwikkeld voor IT-professionals en personen die werkzaam zijn in een IT-gerelateerde omgeving of ervaring hebben binnen dit domein.

Hoewel er geen strikte toelatingsvoorwaarden gelden, wordt een grondige kennis van programmeren in Python sterk aanbevolen. Daarnaast is affiniteit met data-analyse en wiskunde essentieel om de materie optimaal te kunnen verwerken en toepassen in de praktijk.