Waarover?
Je leert op een zeer praktische manier zelf AI-modellen ontwikkelen. Topics en algoritmes die aan bod komen zijn Support Vector Machines, Naive Bayes, Random Forest Trees, Convolutional Neural Networks, Generative Adversial Networks, Autoencoders...
Voor wie?
Deze @home-opleiding staat open voor iedereen die minimum 21 jaar is en/of werkstudent. Je kiest zelf wanneer je wilt studeren, wij begeleiden je via het internet. Er zijn ook enkele contactmomenten op de campus gepland.
Afstandsonderwijs wordt hoofdzakelijk via onze krachtige LMS (Learning management system) gegeven. Je krijgt Nederlandstalige video-opnames van goede kwaliteit van het dagonderwijs, en een heleboel pratica ter beschikking om op je eigen tempo de leerstof te verwerken.
Waarom?
Machine learning en deep learning zijn dankzij krachtige frameworks en cloud services binnen het bereik van iedere IT'er.
Uit data inzichten puren, voorspellingen doen of automatisch patronen herkennen en classificeren? Machine Learning en Deep Learning geven een enorme boost aan je mogelijkheden als ontwikkelaar.
Algemeen
Je volgt dezelfde modules van Machine Learning en Deep Learning als de reguliere MCT en 'Creative Tech & AI'-studenten om artificiële intelligentie onder de knie te krijgen. Na deze opleiding ben je in staat AI-modellen te ontwikkelen.
Na het afronden van deze microdegree heb je keuze om een tweede microdegree te volgen. Je hebt hiervoor keuze tussen Deploying AI@Home of AI@Home Pro.
Machine Learning
In Machine Learning leggen we de nadruk op het conceptueel begrijpen van hoe bepaalde algoritmes werken. Belangrijk is om de juiste machine learning algoritmes te kunnen kiezen, trainen, correct evalueren en de prestaties ervan te verbeteren via hyperparameter tuning. We bekijken de meest courante machine learning technieken waarmee je in de praktijk onmiddellijk aan de slag kunt:
- Supervised learning waarbij je leert uit gelabelde data:
- Lineaire (meervoudige) regressie waarmee je continue outputs kunt voorspellen. Voorbeelden zijn het voorspellen van beurskoersen, het schatten van de leeftijd van een persoon op basis van een foto van het gezicht, risico’s voorspellen, predicties doen van verkoopsaantallen, etc.
- Classificatie laat je toe om data in categorieën onder te verdelen. Gezichtsherkenning, handschriftherkenning, kankerdetectie, voorspellen of iemand op een advertentie of link zal klikken zijn maar enkele voorbeelden. Topics en algoritmes die aan bod komen zijn logistic regression, Support Vector Machines, Naive Bayes, Random Forest Trees en Ensemble learning.
- Unsupervised learning waarbij je informatie haalt uit niet gelabelde data.
- Clustering technieken waarbij je op zoek gaat naar gelijksoortige data. Op deze manier kan je patronen, verbanden en gelijkenissen ontdekken in complexe multi-dimensionele data.
- Dimensionality reduction laat ons toe om data te transformeren naar de essentie. Zo kan data compacter voorgesteld worden of kan de performantie van machine learning voorspellingstechnieken verhoogd worden.
- Neurale netwerken, geïnspireerd op de werking van de hersenen laten ons toe om inzichten uit data te halen die tot voor kort niet mogelijk maken. In de module machine learning bekijken we de conceptuele werking ervan en bouwen we neurale netwerken voor regressie en classificatie. Daarmee wordt de basis gelegd voor de module deep learning die hier verder op bouwt.
Vandaag de dag al zijn data scientists en AI experts bij de meest gegeerde profielen op de arbeidsmarkt. De meest succesvolle bedrijven ter wereld zijn dikwijls degene die ook koploper zijn op het vlak van data science en artificiële intelligentie. Denk maar aan Google en Facebook die gebruikersprofielen analyseren en advertenties op maat aanbieden, Tesla die aan de hand van sensordata hun wagens zelfrijdend maakt, luchtvaarmaatschappijen die optimale vliegroutes uitstippelen, banken die beurskoersen voorspellen, risico’s inschatten of fraude detecteren.
In deze module leer je de concepten van een aantal machine learning algoritmes en vooral hoe je ze praktisch kunt toepassen om ML problemen op te lossen.
Tevens wordt de basis gelegd voor de module Deep Learning die hierop aansluit.
Deep Learning
De module deep learning gaat verder waar de module Machine Learning is gestopt, namelijk bij de neurale netwerken.
- Herhaling neurale netwerken en introductie tot deep learing.
- Convolutional Neural Networks (CNN) die vooral gebruikt worden bij image recogntion.
- Auto encoders en restricted Bolzmann machines: kunnen verloren of beschadigde data reconstrueren maar ook gebruikt worden om muziek te genereren of suggesties te doen.
- Generative Adversarial Networks (GAN). Worden gebruikt voor bijvoorbeeld generatatie van afbeeldingen, voorspellen van welk geneesmiddel zal werken bij bepaalde symptomen …
- Recommendation systems voor het genereren van gepersonaliseerde aanbevelingen.
- Neurale netwerken met geheugen: Recursive Neural Networks (RNN) en Long Short-term memory networks (LSTM): toepassingen zijn bijvoorbeeld natural language processing en sentiment analysis.
- Reinforcement learning: het algoritme leert door interactie met de omgeving.
Datum en locatie
Deze opleiding gaat thuis door. Twee keer per semester kom je naar onze campus in Kortrijk.
Duurtijd
Deze opleiding duurt 1 Jaar
Aantal studiepunten
Deze opleiding bestaat uit 12 studiepunten.
Vlaams opleidingsverlof & kmo-portefeuille
Deze opleiding komt in aanmerking voor Vlaams Opleidingsverlof met de volgende code ODB-X01091.
Deze opleiding komt in aanmerking voor steun via de kmo-portefeuille onder het thema beroepsspecifieke competenties (erkenningsnummer: DV.O241438). De steunaanvraag moet gebeuren binnen de veertien dagen na de start van de opleiding. Meer informatie vind je op www.kmo-portefeuille.be.
Kostprijs
De kostprijs van deze opleiding in 2022 bedraagt 450 Euro.
Steunmaatregelen
Wil je als werknemer je opleiding combineren met je job? Dan heb je misschien recht op Vlaams Opleidingsverlof. Ontdek hieronder alle informatie en de voorwaarden.
De kmo-portefeuille is een maatregel waardoor ondernemers financiële steun krijgen voor de aankoop van diensten die de kwaliteit van je onderneming verbeteren. Howest is een erkende opleidingsverstrekker, waardoor het zou kunnen dat jouw opleiding in aanmerking komt voor deze maatregel.
Wil je een opleiding volgen om jouw positie op de arbeidsmarkt te versterken? Misschien hebt je recht op een opleidingscheque, waarmee je een deel van die opleiding kan betalen. Zelf betaal je maar de helft van de opleidingscheque, de Vlaamse overheid betaalt de andere helft.
Inschrijven
Je inschrijving afronden voor het academiejaar 2023-2024 kan vanaf 1 juli 2023 op de infodagen op de campus, online en elke werkdag op afspraak in het studentensecretariaat van de Howest-campus waar jouw opleiding doorgaat. Je inschrijving verloopt online via de online registratie.
Welke documenten hou je klaar?
- Tijdens de online registratie wordt een kopie van je ID gevraagd (voor en achterkant).
- Je zal ook een kopie van je diploma hoger onderwijs moeten uploaden.
Online inschrijven
- Open je online registratie en controleer of alle nodige documenten zijn opgeladen.
- Alle documenten in orde? Stel nu je studieprogramma samen en onderteken het.
Na je registratie
- Na het voltooien van de online registratie ontvang je een mail met alle informatie nodig om je inschrijving te vervolledigen.
- Je dossier wordt eerst verwerkt en gecontroleerd door Howest. Pas daarna worden je contract en de vraag tot betaling van het studiegeld en extra studiekost elektronisch bezorgd.
Ontmoet Howest Academy
Troeven van de opleiding
Link met de bedrijfswereld
Tijdens een opleiding aan Howest Academy ga je aan de slag met cases en uitdagingen uit jouw werkveld. Het docententeam van Howest wordt bovendien aangevuld met toonaangevende gastsprekers en experten ter zake. Op die manier garanderen we je een praktische vertaling van de aangeboden leerinhoud.
Straffe docenten
Als je kiest voor een opleiding aan Howest Academy, dan kies je voor kwaliteit. Onze docenten zijn niet alleen inhoudelijke experten in hun domein, ze zijn ook didactisch sterk om de lesinhoud te vertalen naar haalbare leerervaringen. Op die manier kan jij je vooropgestelde doelstellingen halen in combinatie met je werk en je gezin.
Altijd up-to-date
Deze opleiding speelt niet alleen in op de actuele veranderingen, ze is ook een stapje voor door de link met het praktijkgericht wetenschappelijk onderzoek dat aan Howest wordt gevoerd.
Officieel diploma van de hogeschool
Je ontvangt een officieel erkend diploma van de Hogeschool West-Vlaanderen, dat je helpt om een duurzame loopbaan uit te stippelen.
Nieuws
Overtuigd? Schrijf je in!
Heb je jouw keuze gemaakt? Wij kijken ernaar uit om je op te nemen in onze Howest-community!
Alle informatie over inschrijven vind je via onderstaande link.
FAQ
Vind je niet wat je zoekt of heb je specifieke vraag over deze opleiding. Neem gerust contact met ons op.
Het doorlopen van de volledige online registratie impliceert dat je definitief bent ingeschreven en je je engageert tot het betalen van het inschrijvingsgeld. Na de behandeling van jouw dossier ontvang je per mail een factuur voor betaling van het inschrijvingsgeld.
De meeste vervolgopleidingen (zoals postgraduaten, micro degrees en navormingen) komen niet in aanmerking voor het studiebeurstarief. Beurstarieven zijn voorbehouden voor studenten met een diplomacontract in het reguliere opleidingsaanbod (graduaten en bachelors). Check wel de andere mogelijkheden van de Vlaamse overheid zoals Vlaams Opleidingsverlof, KMO-portefeuille en opleidingscheques.
Ja, dat is mogelijk. Stuur jouw rekeningnummer en de facturatiegegevens door naar howestacademy [at] howest.be (howestacademy[at]howest[dot]be). De terugbetaling van het oorspronkelijk betaald inschrijvingsgeld zal pas gebeuren na registratie van ontvangst van de betaling met de KMO-portefeuille. Je zal dus tijdelijk een dubbele betaling lopende hebben.
Indien je opleiding gedeeltelijk of volledig wordt vergoed met een financiële tegemoetkoming (KMO, Vlaams opleidingsverlof, Vlaams zorgkrediet, Vlaamse opleidingscheques) dan is het belangrijk de modaliteiten van het financieel stelsel te screenen op verplichte aanwezigheid. Als student ben je zelf verantwoordelijk om je aanwezigheid formeel te laten registreren door de lectoren.
De coördinator van jouw opleiding zal aangeven via welk systeem er zal gewerkt worden in kortlopende opleidingen. Voor langlopende opleidingen staat je lesmateriaal op leho.howest.be. Inloggen kan met de gegevens die je ontvangen hebt na de verwerking van jouw inschrijving door het studentensecretariaat.
Stuur een mailtje naar howestacademy [at] howest.be (howestacademy[at]howest[dot]be) en je ontvangt snel een antwoord.
Voor kortlopende navormingen is een rechtstreekse inschrijving via de webpagina bindend en definitief. Voor diplomacontracten en creditcontracten zoals bachelors, microdegrees en postgraduaten is de voorregistratie niet bindend, maar het verzekert jou wel van een plaatsje in de opleiding.
Voor een Postgraduaat:
Je bent definitief ingeschreven nadat je je voorregistratie online hebt afgewerkt en deze digitaal hebt ondertekend. Na verwerking en goedkeuring van je online inschrijving door de studentenadministratie, ontvang je je inloggegevens en de factuur voor betaling van het inschrijvingsgeld.
Voor een Microdegree:
Je bent definitief ingeschreven nadat je voorregistratie door onze studentenadministratie verwerkt werd en nadat je je opleidingscontract hebt ondertekend. Dat kan manueel of digitaal via het digitaal leerplatform dat ter beschikking wordt gesteld van de studenten. https://leho.howest.be/ (shortcut onderaan -> ibamaflex -> belangrijke informatie).
De betaling van het inschrijvingsgeld dient te gebeuren uiterlijk op 1 oktober of - wanneer de opleiding op een ander moment start - binnen de 15 dagen na inschrijving. Bij betaling met factuur is de uiterlijke betaaldatum die vermeld staat op de factuur van toepassing. In ZEER uitzonderlijke gevallen kan een spreiding van betaling toegestaan worden mits voorleggen van een afbetalingsplan en mits akkoord van Howest financieel verantwoordelijke, neem hiervoor contact op via howestacademy [at] howest.be (howestacademy[at]howest[dot]be)