Kunstmatige Intelligentie (AI)
Afbeelding: Pixabay - Gerd Altmann
Kunstmatige Intelligentie (Artificial Intelligence, kortweg AI) kan steeds meer menselijke vermogens nabootsen: zo herkennen intelligente systemen beelden, genereren ze teksten en doen voorspellingen. Maar wat gaat er schuil achter deze ontwikkelingen en hoe werkt AI? In deze cursus beantwoorden we deze vragen en bespreken we de rol van data en algoritmes. Zo ontstaat inzicht in de technologie achter toepassingen als ChatGPT en Gemini.
Eerst komen algemene basisconcepten aan bod, inclusief succesverhalen en momenten van terugval. Zo ontstaat een beeld van de ontwikkeling van het vakgebied en de uitdagingen die daarbij horen. Er worden enkele wiskundige uitstapjes gemaakt om de werking van AI-algoritmes te doorgronden: zo krijgt men op intuïtieve wijze een basisbegrip van hoe hedendaagse AI-toepassingen mogelijk zijn.
Van data naar algoritmes
Al snel ligt de focus op Machine Learning en de concrete werking van bijbehorende algoritmes. We bekijken hoe computers data verwerken en hoe zij met AI-programma’s kunnen ordenen, redeneren, leren, herkennen, classificeren en meer. Daarbij is er aandacht voor de technische uitdagingen en dilemma’s bij het ontwikkelen van AI-toepassingen, evenals voor ethische en maatschappelijke vragen rond het gebruik van AI. Na afloop kunt u de belangrijkste ontwikkelingen en lopende discussies rond AI duiden.
Deze cursus is een herhaling van het voorjaar 2025. De cursus is dit seizoen meer uitgebreid.
Bijeenkomst 1 – 21 september 2026
Deel 1: Doel van de cursus, praktische zaken, definities van AI, de semantic triangle, geschiedenis en deelgebieden van AI, voorbeeld-toepassingen
Deel 2: Waarom klassieke, op logica gebaseerde, AI strandde. Start Machine Learning (ML): verschillen en overeenkomsten tussen data science en statistiek, het begrip inductive bias, en een eerste ML-algoritme (inductie van beslisbomen).
Bijeenkomst 2 – 28 september 2026
Uitleg in meer detail van beslisbomen-inductie. Ook aandacht voor random forest en het k-nearest neighbour algoritme. De begrippen under- en overfitting
Bijeenkomst 3 – 5 oktober 2026
Hedendaagse AI-toepassingen. Start neurale netwerken. Voorbeeld gebruik van beschikbare AI-tool waarmee modellen uit data kunnen worden geïnduceerd. Werking Naive Bayes classifier.
Bijeenkomst 4 – 12 oktober 2026
Voortzetting neurale netwerken. Validatie van geleerde modellen. Start uitleg werking ChatGPT.
Bijeenkomst 5 – 19 oktober 2026
ChatGPT in meer detail. Voorbeelden van andere generatieve AI-modellen voor tekst-, muziek- en filmcreatie.
Bijeenkomst 6 – 26 oktober 2026
Genetische algoritmes en particle swarm optimization. Technische dilemma’s van data science/machine learning engineers.
Bijeenkomst 7 – 2 november 2026
Mieren algoritmes en fuzzy systems (of ander AI-deelgebied, in overleg met cursisten).
Bijeenkomst 8 – 9 november 2026
Maatschappelijke aspecten: gebruik en misbruik door grote IT-bedrijven, gebruik algoritmes door de overheid, en wettelijke ontwikkelingen in Nederland, Europa en daarbuiten. AI-gebruik als risico management vraagstuk.
Bijeenkomst 9 – 16 november 2026
Handvatten voor adequaat AI-gebruik. Slotconclusies behandelde lesstof. Discussie en feedback.
|
Beschikbaar
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
