Deze tekst werd automatisch vertaald door een online vertaler (DeepL) om als leidraad te dienen, om de inhoud van de informatie over de opleiding te helpen begrijpen. Wij wijzen alle verantwoordelijkheid voor de inhoud ervan af. Indien u wenst te reageren op deze vertaling, kunt u een e-mail sturen naar helpdesk@digitalcity.brussels.
Techniques de l’Intelligence Artificielle : applications et développement
Georganiseerd door:
Beschrijving
Het aantal mogelijkheden van kunstmatige intelligentie neemt voortdurend toe. De technologieën van vandaag maken nieuwe toepassingen in de bedrijfswereld mogelijk. Deze opleiding heeft tot doel de deelnemers vertrouwd te maken met het proces van de implementatie van Artificial Intelligence toepassingen binnen hun bedrijf.
Wat zijn de doelstellingen van de opleiding?
De opleiding is gericht op de volgende vaardigheden
- Begrijp de uitdagingen van het opzetten van een AI-project
- De toegevoegde waarde van een AI-project binnen een bedrijf identificeren
- De behoeften identificeren in verband met de integratie van het AI-project in de huidige processen van de onderneming
- De belangrijkste stappen identificeren die nodig zijn voor de uitvoering van een AI-project
- De bij een AI-project betrokken actoren identificeren
- Begrijpen van de belangrijkste technieken die in een AI-project worden gebruikt
- De bestaande instrumenten begrijpen die de uitvoering van een AI-project mogelijk maken
Wat moet je weten om de cursus te volgen?
Beginner
Opleidingsprogramma
Kwesties
- Definitie van AI
- Voorbeelden van toepassingen
- Veranderingen in bedrijfsprocessen
- Analogie met digitaliseringsprojecten
Toegevoegde waarde
- Identificeer huidige processen die kunnen worden geautomatiseerd
- De toegevoegde waarde van AI-technieken vaststellen
- Evaluatie van de ROI
Integratie in de onderneming
- Huidige ondersteuning voor digitale projecten binnen het bedrijf
- Beschikbare en vereiste middelen
- Huidig niveau van automatisering van bedrijfsprocessen
Uitvoeringsstappen
- Analogie met digitale projecten
- Behoeftenbeoordeling
- Beoordeling van de werklast
- Team en middelen
- Begroting/planning
- Functionele analyse
- Beheer van veranderingen
- Validering
- Betrokkenheid van het team
Actoren betrokken bij AI
- Projectondersteuning
- Bedrijfsdeskundigen
- Technische deskundigen
- Samenwerking
AI-technieken
- Intellectuele taak versus algoritmen
- Soorten acties: classificatie, regressie, clustering, dichtheidsschatting, dimensionaliteitsreductie
- Collectieve intelligentie: aggregatie van door vele virtuele agenten gedeelde kennis
- Genetische algoritmen: evolutie van een populatie virtuele agenten door selectie
- Machinaal leren: presentatie en belangrijkste algoritmen (XGBoost, Random Forest)
- Genereren van een dataset
- Wat is een Dataset
- Bewaren/controleren van de gegevens: bewaken van vertekening, opschonen/converteren zonder backtracking te verbieden
- Inzicht in de gegevens: weergave van statistische instrumenten die een visie van een gegeven, de verdeling ervan...
- Opmaak van gegevens: beslissen over een input- en outputformaat, het verband leggen met de kwalificatie van het probleem
- Voorbereiding van de gegevens: definitie van de treinset, de validatieset en de testset
- Een structuur opzetten om ervoor te zorgen dat de gebruikte algoritmen werkelijk relevant zijn (of niet)
- Zoeken naar de optimale oplossing
- Methodologie voor het zoeken naar een betere oplossing voor een ML/DL-probleem
- Keuze van een onderzoeksrichting, situering van bestaande publicaties of soortgelijke projecten
- Opeenvolgende iteraties van de eenvoudigste algoritmen tot de meest complexe architecturen
- Handhaving van een transversale benchmark
- Het bereiken van een optimale oplossing
De gereedschappen
- Welke hulpmiddelen
- Welke instrumenten voor onderzoek en welke instrumenten voor de industrie
- De vaardigheden die nodig zijn voor AI-projecten
Casestudies
- Presentatie van AI-projecten
- Realisatie van verschillende case studies met Python