MBO Praktijkcursus – Werken met AI

Je maakt kennis met kunstmatige intelligentie en past basisprincipes van AI en automatisering toe in je dagelijkse werk.

1. 1 Inleiding tot kunstmatige intelligentie (AI) Je onderzoekt de basis van AI, de verschillende soorten en de invloed van AI op werk en samenleving.
   5 lessen

   1. Wat is kunstmatige intelligentie en waarom is het belangrijk?Je verkent wat AI inhoudt en waar je het in het dagelijks leven en op het werk tegenkomt.
   2. Verschillende soorten AI: zwakke AI, sterke AI, en superintelligentieJe onderscheidt zwakke, sterke AI en superintelligentie en vergelijkt hun toepassingen.
   3. Het verschil tussen machine learning, deep learning en AIJe legt uit wat machine learning en deep learning zijn en hoe deze zich tot AI verhouden.
   4. Toepassingen van AI in verschillende sectoren (gezondheidszorg, productie, klantenservice)Je bekijkt concrete voorbeelden van AI in sectoren als zorg, productie en dienstverlening.
   5. De impact van AI op de werkplek en de samenlevingJe bespreekt hoe AI werk verandert en welke effecten dit heeft op de samenleving.
2. 2 Basisprincipes van machine learning Je leert hoe machine learning werkt, welke soorten er zijn en hoe data het leerproces beïnvloeden.
   5 lessen

   1. Wat is machine learning en hoe werkt het?Je beschrijft de werking van machine learning aan de hand van herkenbare voorbeelden.
   2. Verschil tussen supervised, unsupervised en reinforcement learningJe vergelijkt supervised, unsupervised en reinforcement learning en benoemt hun verschillen.
   3. Het proces van het trainen van een machine learning-modelJe volgt de stappen van het trainen van een machine learning-model.
   4. De rol van data bij machine learning (training en testdata)Je onderzoekt het belang van goede data voor het trainen en testen van modellen.
   5. Voorbeelden van machine learning-algoritmes (bijv. lineaire regressie, beslissingsbomen)Je herkent eenvoudige machine learning-algoritmes en hun toepassingen.
3. 3 Deep learning en neural networks Je verdiept je in deep learning, neurale netwerken en hun rol bij beeld- en spraakherkenning.
   5 lessen

   1. Wat is deep learning en hoe verschilt het van machine learning?Je onderzoekt wat deep learning inhoudt en hoe het zich onderscheidt van machine learning.
   2. Basisconcepten van neurale netwerken en hun werkingJe maakt kennis met de werking van neurale netwerken en hun basisprincipes.
   3. Verschillende soorten neurale netwerken (bijv. feedforward, convolutioneel, recurrent)Je vergelijkt verschillende typen neurale netwerken en hun toepassingen.
   4. Het gebruik van deep learning voor beeld- en spraakherkenningJe ziet hoe deep learning wordt ingezet voor beeld- en spraakherkenning.
   5. Voor- en nadelen van deep learning in vergelijking met traditionele machine learning-techniekenJe benoemt de voordelen en nadelen van deep learning ten opzichte van andere technieken.
4. 4 Natural Language Processing (NLP) Je onderzoekt hoe AI taal verwerkt, hoe NLP werkt en welke toepassingen er zijn voor tekst en spraak.
   5 lessen

   1. Wat is Natural Language Processing (NLP) en waarom is het belangrijk?Je ontdekt hoe AI menselijke taal kan begrijpen en verwerken.
   2. Basisprincipes van taalverwerking door AI (taalanalyse, sentimentanalyse)Je leert hoe AI tekst analyseert en sentiment in taal kan herkennen.
   3. Het gebruik van NLP voor chatbots, vertalingen en tekstsamenvattingJe ziet hoe NLP wordt gebruikt voor chatbots, vertalingen en samenvattingen.
   4. Machine learning-technieken voor tekstverwerking (bijv. Bag of Words, TF-IDF)Je maakt kennis met machine learning-technieken voor tekstverwerking.
   5. Vooruitgangen in NLP: van rule-based systemen naar deep learning-gebaseerde benaderingenJe volgt de ontwikkeling van traditionele naar deep learning-methoden in NLP.
5. 5 Data voorbereiding en verwerking voor AI Je leert hoe je data voorbereidt, schoonmaakt en analyseert voor gebruik in AI-toepassingen.
   5 lessen

   1. Het belang van datavoorbereiding in AI-projectenJe onderzoekt waarom goede datavoorbereiding belangrijk is voor AI-projecten.
   2. Verschillende soorten data (gestructureerd, ongestructureerd, semi-gestructureerd)Je herkent verschillende soorten data en hun rol in AI-processen.
   3. Het proces van data-cleaning: omgaan met ontbrekende waarden en ruisJe oefent met het opschonen van data en het omgaan met onvolledige gegevens.
   4. Data normalisatie en standaardisatie voor machine learningJe past technieken toe om data te normaliseren en te standaardiseren.
   5. Het belang van data-analyse voor het begrijpen van patronen en trendsJe analyseert data om patronen en trends te herkennen.
6. 6 AI in bedrijfsprocessen Je ontdekt hoe AI bedrijfsprocessen ondersteunt, van automatisering tot klantanalyse en risicomanagement.
   5 lessen

   1. Toepassingen van AI in bedrijfsprocessen (automatisering, voorspellingen, optimalisatie)Je bekijkt hoe AI wordt ingezet voor automatisering, voorspellingen en optimalisatie.
   2. AI voor klantsegmentatie en gepersonaliseerde marketingJe onderzoekt hoe AI klantsegmentatie en gepersonaliseerde marketing mogelijk maakt.
   3. AI in voorraadbeheer en supply chain optimalisatieJe ziet hoe AI voorraadbeheer en supply chain optimaliseert.
   4. Het gebruik van AI voor voorspellingen en risicomanagementJe past AI toe voor voorspellingen en het inschatten van risico's.
   5. Voorbeelden van AI-tools voor bedrijfsvoering (bijv. chatbots, predictive analytics, AI-gestuurde CRM)Je maakt kennis met praktische AI-tools voor bedrijfsvoering.
7. 7 Ethiek en verantwoordelijkheid in AI Je onderzoekt ethische kwesties, privacy en regelgeving rond het gebruik van AI in organisaties.
   5 lessen

   1. Het belang van ethiek in de ontwikkeling en toepassing van AIJe bespreekt waarom ethiek een rol speelt bij het ontwikkelen en toepassen van AI.
   2. De risico's van bias en discriminatie in AI-systemenJe herkent risico's van bias en discriminatie in AI-systemen.
   3. Hoe AI-beslissingen transparant en uitlegbaar kunnen worden gemaaktJe leert hoe AI-beslissingen transparant en uitlegbaar kunnen zijn.
   4. Het waarborgen van privacy en gegevensbeveiliging bij AI-toepassingenJe onderzoekt hoe je privacy en gegevensbeveiliging waarborgt bij AI-gebruik.
   5. Regelgeving en wetgeving rondom AI, zoals GDPR en de AI ActJe maakt kennis met regelgeving zoals GDPR en de AI Act.
8. 8 AI tools en software voor beginners Je maakt kennis met veelgebruikte AI-tools, leert eenvoudige modellen bouwen en past bestaande oplossingen toe.
   5 lessen

   1. Overzicht van populaire AI-tools en -platformen (bijv. TensorFlow, Keras, PyTorch)Je krijgt een overzicht van toegankelijke AI-tools en -platformen.
   2. Het gebruik van grafische gebruikersinterfaces (GUI) voor beginners in AI (bijv. Google Colab, Azure ML)Je werkt met grafische interfaces voor het uitvoeren van AI-taken.
   3. Het bouwen van eenvoudige machine learning-modellen met open-source softwareJe bouwt een eenvoudig machine learning-model met open-source software.
   4. Basisprincipes van coderen voor AI (bijv. Python, R)Je leert basisprincipes van coderen voor AI-toepassingen.
   5. Het toepassen van kant-en-klare modellen voor tekstverwerking, beeldherkenning en voorspellende analysesJe gebruikt kant-en-klare AI-modellen voor tekst, beeld en voorspellingen.
9. 9 AI en automatisering Je onderzoekt hoe AI processen automatiseert en welke voordelen dit biedt voor dagelijkse werkzaamheden.
   5 lessen

   1. Wat is procesautomatisering en hoe kan AI hierbij helpen?Je bekijkt hoe AI kan bijdragen aan het automatiseren van processen.
   2. Toepassingen van AI in RPA (Robotic Process Automation)Je ontdekt toepassingen van AI binnen Robotic Process Automation.
   3. Het gebruik van AI om repetitieve taken en administratieve processen te automatiserenJe past AI toe om repetitieve en administratieve taken te automatiseren.
   4. Voorbeelden van AI in de klantenservice (chatbots, automatische e-mailrespons)Je ziet hoe AI wordt gebruikt in klantenservice, bijvoorbeeld via chatbots.
   5. De voordelen van automatisering met AI voor efficiëntie en kostenbesparingJe benoemt de voordelen van automatisering met AI voor efficiëntie en kosten.
10. 10 Toekomst van AI en de werkplek Je kijkt vooruit naar nieuwe AI-technologieën en de gevolgen daarvan voor werk, vaardigheden en organisaties.
    5 lessen

    1. De opkomende technologieën in AI, zoals autonome voertuigen en smart citiesJe maakt kennis met opkomende AI-technologieën zoals autonome voertuigen en smart cities.
    2. Hoe AI de werkplek zal veranderen: nieuwe banen en vaardighedenJe onderzoekt hoe AI de werkplek verandert en welke nieuwe vaardigheden nodig zijn.
    3. Het belang van levenlang leren en het aanpassen aan AI-gedreven veranderingenJe bespreekt het belang van blijven leren en aanpassen aan AI-veranderingen.
    4. De impact van AI op verschillende industrieën en sectorenJe analyseert de impact van AI op verschillende sectoren.
    5. Het ontwikkelen van een toekomstbestendige AI-strategie voor organisatiesJe ontwikkelt ideeën voor een toekomstbestendige AI-strategie binnen organisaties.