Artificial intelligence - Advanced (Deep learning)

Deep learning heeft een breed scala aan toepassingsdomeinen waarin het momenteel met succes wordt toegepast! De 4 belangrijkste domeinen zijn:

• Computer Vision (beeldherkennig en -verwerking: bvb gezichtsherkenning, objectdetectie, beeldclassificatie, video-analyse, autonome voertuigen en medische beeldinterpretatie;
• Natural language processing (NLP: oa Chatbots en GPT);
• Autonome Systemen
• Robotica: autonome systemen, zoals zelfrijdende auto's, drones en industriële robots,  Biomedische Beeldverwerking en Gezondheidszorg, medische beeldanalyse, diagnoseondersteuning, het identificeren van ziektepatronen,… Dit om maar een paar domeinen op te noemen.

Tijdens deze opleidingen leren de deelnemers de methodiek aan de hand van praktijkvoorbeelden hoe deep learning technologie toe te passen in de praktijk.

Deze opleiding is niet specifiek toegepast op één van bovenstaande domeinen maar er wordt wel gepoogd een waaier aan praktijkvoorbeelden die komen uit zoveel mogelijk toepassingsdomeinen aan bod te laten komen, zodanig dat dit deelnemers inspireert.

De praktische implementatie van AI project wordt steeds toegankelijker. Deelnemers kunnen vaardigheden ontwikkelen in het implementeren met behulp van populaire deep learning-frameworks zoals TensorFlow en PyTorch. Op het einde van de opleiding zijn de deelnemers in staat om code te schrijven, modellen te trainen en resultaten te evalueren.

• IT professionals
• Data analisten
• Project ingenieurs

• Basiskennis AI fundamentals of kennis gelijkwaardig aan de opleiding "AI fundamentals"
• Basiskennis programmeren in Python of gelijkwaardige kennis aan de opleiding "Leren programmeren in Python"

Deze geavanceerde opleiding - AI Advanced - deep learning - richt zich tot diepgaande en geavanceerde toepassingen in het domein van "Deep learning".

Hierbij komen volgende thema's aan bod:

• Concept wat is Deep Learning?
• Geavanceerde Neurale Netwerken
• Convolutional Neurale Netwerken (CNN's)
• Generatieve Adversarial Networken (GAN's)
• Transfer learning en Pre-training
• Reinforcement learning
• Hyperparameter optimalisatie
• Geavanceerde computer Vision
• NLP architecturen
• Toepassingen in specifieke domeinen