Publicatiedatum : 12/01/2024
Opleiding : Kunstmatige intelligentie: uitdagingen en hulpmiddelen
seminarie - 2d
- 14u00 - Ref. IAO
|
Downloaden in pdf-formaat
Deze cursus delen via mail
 | Begrijpen wat tools voor machinaal leren en deep learning zijn, wat hun mogelijkheden en beperkingen zijn |
| Een actueel overzicht van de stand van zaken op deze gebieden |
| Kennis en begrip van de toepassingen van deze velden in verschillende sectoren van de industrie |
| Beheers de methodologieën en tools die specifiek zijn voor kunstmatige intelligentieprojecten |
| Inzicht in de juridische en ethische kwesties rond AI |
| Identificeer de potentiële bijdragen voor elke business line, activiteit of sector binnen het bedrijf |
Doelgroep
Iedereen die de toepassingsgebieden en voordelen van kunstmatige intelligentie wil begrijpen: managers, IT-directeuren, projectmanagers, ontwikkelaars, architecten, etc. Terug naar boven
Voorafgaande vereisten
Goede kennis van digitaal projectmanagement. Vereiste ervaring.
Praktische modaliteiten
Leer methodes
Presentatie, discussie en casestudies.
Opleidingsprogramma
1 Wat is kunstmatige intelligentie (tot en met neurale netwerken)?
- De fantasie van kunstmatige intelligentie en de realiteit van vandaag.
- Intellectuele taken versus algoritmen.
- Soorten acties: classificatie, regressie, clustering, dichtheidsschatting, dimensionaliteitsreductie.
- Collectieve intelligentie: het samenvoegen van kennis gedeeld door een groot aantal virtuele agenten.
- Genetische algoritmen: een populatie virtuele agenten ontwikkelen door selectie.
- Machinaal leren: presentatie en belangrijkste algoritmen (XGBoost, Random Forest).
2 Neurale netwerken en diep leren
- Wat is een neuraal netwerk?
- Wat is neuraal netwerkleren? Diep versus ondiep netwerk, overfit, underfit, convergentie.
- Een functie begrijpen met behulp van een neuraal netwerk: presentatie en voorbeelden.
- Genereren van interne representaties binnen een neuraal netwerk.
- De resultaten van een neuraal netwerk generaliseren.
- De deep learning-revolutie: genericiteit van tools en problemen.
Demonstratie
Presentatie van een classificatiealgoritme en de beperkingen ervan.
3 Toepassingen voor diep leren
- Classificatie van gegevens. De verschillende scenario's: ruwe gegevens, beeld, geluid, tekst, enz.
- De uitdagingen van gegevensclassificatie en de keuzes die een classificatiemodel met zich meebrengt.
- Classificatietools: netwerken zoals Multilayer Perceptron of Convolutioneel Neuraal Netwerk. Machinaal leren.
- Informatievoorspelling en sequentiële/temporele gegevens. Inzet en grenzen van informatievoorspelling.
- Structurele regels in de gegevens die voorspellende logica mogelijk maken. Gebruikelijke voorspellingstools.
- Gegevenstransformatie/-generatie. Herinterpretatie van gegevens: denoising, beeldsegmentatie, enz.
- Transformatiebewerkingen op hetzelfde formaat: vertaling van tekst van de ene taal naar de andere, enz.
- Bewerking voor het genereren van gegevens "origineel": Neurale stijl, genereren van beelden uit tekstpresentaties.
- Versterkingsleren: controle over een omgeving.
- Ervaring Herhalen en leren van videogames met behulp van een neuraal netwerk.
Demonstratie
Classificatie van medische beelden. Beeldvoorspelling gebaseerd op een videosequentie. Controle van numerieke simulaties.
4 Welke problemen kunnen worden opgelost met machine/deep learning?
- Vereiste gegevens: volume, grootte, balans tussen klassen, beschrijving.
- Ruwe gegevens versus bewerkte kenmerken: wat kiezen?
- Machinaal leren versus diep leren: oudere algoritmen voor machinaal leren of neurale netwerken?
- Het probleem kwalificeren: Leren zonder toezicht versus leren met toezicht.
- De oplossing voor een probleem kwalificeren: de afstand tussen een verklaring en het resultaat van een algoritme begrijpen.
Casestudy
Kwalificatie van een probleem dat met AI kan worden aangepakt.
5 Een dataset voorbereiden
- Wat is een dataset?
- Gegevens opslaan/controleren: vooringenomenheid controleren, opschonen/converteren, zonder te vergeten terug te kijken.
- Inzicht in de gegevens: weergave van de statistische hulpmiddelen die een overzicht geven van de gegevens, de verdeling enz.
- Gegevens opmaken: beslissen over een invoer- en uitvoerformaat, de link leggen met de kwalificatie van het probleem.
- Gegevens voorbereiden: Trainingsset, Validatieset en Testset definiëren.
- Zet een structuur op om te garanderen dat de gebruikte algoritmen echt relevant zijn (of niet).
Workshop storytelling
Definitie van een dataset en het verschil met een conventionele database.
6 De optimale oplossing vinden
- Methodologie voor het vinden van de beste oplossing voor een ML/DL-probleem.
- Een onderzoeksrichting kiezen, bestaande publicaties of vergelijkbare projecten vinden.
- Opeenvolgende iteraties van de eenvoudigste algoritmen tot de meest complexe architecturen.
- Behoud van een transversale vergelijkingsbank.
- Om tot een optimale oplossing te komen.
Casestudy
Groepeer en balanceer een reeks oplossingen om een optimale oplossing te verkrijgen.
7 De gereedschappen
- Welke tools zijn er vandaag beschikbaar?
- Welke tools voor onderzoek en welke tools voor de industrie?
- Van Keras/Lasagne tot Caffe, via Torch, Theano, TensorFlow, Apache Spark en Hadoop.
- Een neuraal netwerk industrialiseren door strikte procescontrole en voortdurende bewaking.
- Opeenvolgende herleren om het netwerk up-to-date en optimaal te houden.
- Train gebruikers om het netwerk te begrijpen.
Demonstratie
Opeenvolgende herleerprocessen.
Feedback van klanten
4,4 / 5
De feedback van klanten is afkomstig van eindevaluaties na de opleiding. De score wordt berekend op basis van alle evaluaties die minder dan 12 maanden oud zijn. Alleen die met een tekstcommentaar worden weergegeven.
CYRIL B.
23/03/26
5 / 5
Avoir un peu de manipulation serait un plus
KEVIN F.
23/03/26
5 / 5
Formation qui répond parfaitement à mes attentes. les enjeux et outils sont bien présentés et expliqués. Le formateur fournit les clés qui nous permettent d’approfondir ces notions. Le formateur apporte une réelle plus value à la formation, il maitrise bien son sujet et illustre par des exemples concrets et pertinents. Le format sur 2j est adapté.
PORQUIER FABIEN L.
23/03/26
5 / 5
Animateur très intéressant qui maitrise son sujet. Formation qui permet d’avoir une vue complète sur l’IA. On aimerait aller plus loin sur certains sujets mais en deux jours ce n’est pas possible.
DEELNEMERS
Iedereen die de toepassingsgebieden en voordelen van kunstmatige intelligentie wil begrijpen: managers, IT-directeuren, projectmanagers, ontwikkelaars, architecten, etc. Terug naar boven
VOORAFGAANDE VEREISTEN
Goede kennis van digitaal projectmanagement. Vereiste ervaring.
VAARDIGHEDEN VAN DE CURSUSLEIDER
De deskundigen die de cursus leiden zijn specialisten op het betreffende vakgebied. Zij werden geselecteerd door onze pedagogische teams zowel om hun vakkennis als hun pedagogische vaardigheden voor elke cursus die zij geven. Zij hebben minstens vijf tot tien jaar ervaring in hun vakgebied en oefenen of oefenden verantwoordelijke bedrijfsfuncties uit.
BEOORDELINGSMODALITEITEN
De cursusleider beoordeelt de pedagogische vooruitgang van de deelnemer gedurende de gehele cursus aan de hand van meerkeuzevragen, praktijksituaties, praktische opdrachten, …
De deelnemer legt ook van tevoren en naderhand een test af ter bevestiging van de verworven kennis.
TOEGANGSMODALITEITEN EN TERMIJNEN
De inschrijving dient 24 uur voor aanvang van de cursus plaatsgevonden te hebben.
TOEGANKELIJKHEID VOOR MINDERVALIDEN
Is voor u speciale toegankelijkheid vereist? Neem contact op met mevr. FOSSE, contactpersoon voor mindervaliden, via het adres psh-accueil@ORSYS.fr om uw verzoek en de haalbaarheid daarvan zo goed mogelijk te bestuderen.
Iedereen die de toepassingsgebieden en voordelen van kunstmatige intelligentie wil begrijpen: managers, IT-directeuren, projectmanagers, ontwikkelaars, architecten, etc. Terug naar boven
VOORAFGAANDE VEREISTEN
Goede kennis van digitaal projectmanagement. Vereiste ervaring.
VAARDIGHEDEN VAN DE CURSUSLEIDER
De deskundigen die de cursus leiden zijn specialisten op het betreffende vakgebied. Zij werden geselecteerd door onze pedagogische teams zowel om hun vakkennis als hun pedagogische vaardigheden voor elke cursus die zij geven. Zij hebben minstens vijf tot tien jaar ervaring in hun vakgebied en oefenen of oefenden verantwoordelijke bedrijfsfuncties uit.
BEOORDELINGSMODALITEITEN
De cursusleider beoordeelt de pedagogische vooruitgang van de deelnemer gedurende de gehele cursus aan de hand van meerkeuzevragen, praktijksituaties, praktische opdrachten, …
De deelnemer legt ook van tevoren en naderhand een test af ter bevestiging van de verworven kennis.
PEDAGOGISCHE EN TECHNISCHE MIDDELEN
• De gebruikte pedagogische middelen en cursusmethoden zijn voornamelijk: audiovisuele hulpmiddelen, documentatie en cursusmateriaal, praktische oefeningen en correcties van de oefeningen voor praktijkstages, casestudies of reële voorbeelden voor de seminars.
• Na afloop van de stages of seminars verstrekt ORSYS de deelnemers een evaluatievragenlijst over de cursus die vervolgens door onze pedagogische teams wordt geanalyseerd.
• Na afloop van de cursus wordt een presentielijst per halve dag verstrekt, evenals een verklaring van de afronding van de cursus indien de stagiair alle sessies heeft bijgewoond.
• De gebruikte pedagogische middelen en cursusmethoden zijn voornamelijk: audiovisuele hulpmiddelen, documentatie en cursusmateriaal, praktische oefeningen en correcties van de oefeningen voor praktijkstages, casestudies of reële voorbeelden voor de seminars.
• Na afloop van de stages of seminars verstrekt ORSYS de deelnemers een evaluatievragenlijst over de cursus die vervolgens door onze pedagogische teams wordt geanalyseerd.
• Na afloop van de cursus wordt een presentielijst per halve dag verstrekt, evenals een verklaring van de afronding van de cursus indien de stagiair alle sessies heeft bijgewoond.
TOEGANGSMODALITEITEN EN TERMIJNEN
De inschrijving dient 24 uur voor aanvang van de cursus plaatsgevonden te hebben.
TOEGANKELIJKHEID VOOR MINDERVALIDEN
Is voor u speciale toegankelijkheid vereist? Neem contact op met mevr. FOSSE, contactpersoon voor mindervaliden, via het adres psh-accueil@ORSYS.fr om uw verzoek en de haalbaarheid daarvan zo goed mogelijk te bestuderen.
Data en plaats
Selecteer uw locatie of kies voor de les op afstand en kies vervolgens uw datum.
Klas op afstand
Laatste plaatsen
Garantiedatum ter plaatse of op afstand
Gegarandeerde sessie