Techniques de l’Intelligence Artificielle : applications et développement
Georganiseerd door:
Opleidingspartners:
Beschrijving
Het aantal mogelijkheden dat Kunstmatige Intelligentie biedt, blijft groeien. De technologieën van vandaag maken nieuwe toepassingen in de bedrijfswereld mogelijk. Het doel van deze cursus is om deelnemers te laten zien hoe ze Artificial Intelligence-toepassingen binnen hun bedrijf kunnen opzetten.
Deze cursus is bedoeld voor iedereen die wil deelnemen aan een Artificial Intelligence-project en wil ontdekken hoe Artificial Intelligence-algoritmen werken.
Wat zijn de doelstellingen van de opleiding?
De cursus richt zich op de volgende vaardigheden:
- Inzicht in de kwesties die komen kijken bij het opzetten van een AI-project
- De toegevoegde waarde van een AI-project binnen een bedrijf identificeren
- De behoeften identificeren die gepaard gaan met de integratie van het AI-project in de huidige processen van het bedrijf
- De belangrijkste fasen identificeren voor het opzetten van een AI-project
- De spelers identificeren die betrokken zijn bij een AI-project
- De belangrijkste technieken begrijpen die worden gebruikt in een AI-project
- De bestaande tools voor het opzetten van een AI-project begrijpen.
Opleidingsprogramma
Onderwerpen
- Definitie van AI
- Voorbeelden van toepassingen
- Veranderingen in bedrijfsprocessen
- Analogie met digitaliseringsprojecten
Toegevoegde waarde
- Identificeer huidige processen die geautomatiseerd kunnen worden
- De toegevoegde waarde van AI-technieken identificeren
- ROI-beoordeling
Integratie binnen het bedrijf
- Huidig beheer van digitale projecten binnen het bedrijf
- Beschikbare en benodigde middelen
- Huidige mate van automatisering van bedrijfsprocessen
Implementatiefasen
- Analogie met digitale projecten
- Analyse van behoeften
- Beoordeling werklast
- Team en middelen
- Budget/planning
- Functionele analyse
- Beheer van veranderingen
- Validatie
- Betrokkenheid van het team
Actoren betrokken bij AI
- Projectondersteuning
- Bedrijfskundigen
- Technische experts
- Samenwerking
AI-technieken
- Intellectuele taak versus algoritmen
- Soorten acties: classificatie, regressie, clustering, dichtheidsschatting, dimensionaliteitsreductie
- Collectieve intelligentie: samenvoegen van kennis gedeeld door een groot aantal virtuele agenten
- Genetische algoritmen: ontwikkelen van een populatie virtuele agenten door selectie
- Machine-leren: presentatie en belangrijkste algoritmen (XGBoost, Random Forest)
- Dataset genereren
- Wat is een dataset?
- De gegevens opslaan/controleren: bias controleren, opschonen/converteren zonder backtracking te verbieden
- De gegevens begrijpen: weergave van statistische hulpmiddelen die een overzicht geven van de gegevens, de verdeling enz.
- Gegevens opmaken: beslissen over een invoer- en uitvoerformaat, het verband leggen met de kwalificatie van het probleem.
- Voorbereiden van de gegevens: definiëren van de Train Set, Validatieset en Test Set
- Een structuur opzetten om te garanderen dat de gebruikte algoritmen echt relevant zijn (of niet)
- Zoeken naar de optimale oplossing
- 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
- Een interdisciplinaire benchmark onderhouden
- Een optimale oplossing bereiken
De tools
- Welke tools
- Tools voor onderzoek en tools voor de industrie
- De vaardigheden die nodig zijn voor AI-projecten
Praktijkvoorbeelden
- Presentatie van AI-projecten
- Praktijkvoorbeelden met de taal Python