MHBO Praktijkcursus – Werken met AI

Je onderzoekt hoe kunstmatige intelligentie werkt, past AI toe in bedrijfsprocessen en leert over ethiek en automatisering.

1. 1 Inleiding tot kunstmatige intelligentie (AI) Je verkent de basis van kunstmatige intelligentie en de invloed ervan op werk en samenleving.
   5 lessen

   1. Wat is kunstmatige intelligentie en waarom is het belangrijk?Je onderzoekt wat kunstmatige intelligentie inhoudt en waarom deze technologie relevant is.
   2. Verschillende soorten AI: zwakke AI, sterke AI, en superintelligentieJe vergelijkt verschillende typen AI en hun kenmerken.
   3. Het verschil tussen machine learning, deep learning en AIJe onderscheidt machine learning, deep learning en AI aan de hand van hun eigenschappen.
   4. Toepassingen van AI in verschillende sectoren (gezondheidszorg, productie, klantenservice)Je bekijkt hoe AI wordt toegepast in uiteenlopende sectoren.
   5. De impact van AI op de werkplek en de samenlevingJe analyseert de effecten van AI op de werkplek en de maatschappij.
2. 2 Basisprincipes van machine learning Je leert de basisprincipes van machine learning en het belang van data bij het trainen van modellen.
   5 lessen

   1. Wat is machine learning en hoe werkt het?Je ontdekt hoe machine learning werkt en welke stappen het proces kent.
   2. Verschil tussen supervised, unsupervised en reinforcement learningJe vergelijkt supervised, unsupervised en reinforcement learning.
   3. Het proces van het trainen van een machine learning-modelJe volgt het proces 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 bestudeert voorbeelden van veelgebruikte machine learning-algoritmes.
3. 3 Deep learning en neural networks Je verdiept je in deep learning en neurale netwerken, en vergelijkt deze met traditionele technieken.
   5 lessen

   1. Wat is deep learning en hoe verschilt het van machine learning?Je onderzoekt de kenmerken van deep learning en het verschil met machine learning.
   2. Basisconcepten van neurale netwerken en hun werkingJe leert hoe neurale netwerken zijn opgebouwd en functioneren.
   3. Verschillende soorten neurale netwerken (bijv. feedforward, convolutioneel, recurrent)Je vergelijkt verschillende soorten neurale netwerken en hun toepassingen.
   4. Het gebruik van deep learning voor beeld- en spraakherkenningJe bekijkt hoe deep learning wordt ingezet voor beeld- en spraakherkenning.
   5. Voor- en nadelen van deep learning in vergelijking met traditionele machine learning-techniekenJe analyseert de voordelen en nadelen van deep learning ten opzichte van andere methoden.
4. 4 Natural Language Processing (NLP) Je onderzoekt hoe AI taal verwerkt en gebruikt wordt voor tekst, chatbots en vertalingen.
   5 lessen

   1. Wat is Natural Language Processing (NLP) en waarom is het belangrijk?Je ontdekt wat Natural Language Processing inhoudt en waarom het relevant is.
   2. Basisprincipes van taalverwerking door AI (taalanalyse, sentimentanalyse)Je leert hoe AI teksten analyseert en sentiment bepaalt.
   3. Het gebruik van NLP voor chatbots, vertalingen en tekstsamenvattingJe bekijkt toepassingen van NLP zoals chatbots en automatische vertalingen.
   4. Machine learning-technieken voor tekstverwerking (bijv. Bag of Words, TF-IDF)Je onderzoekt machine learning-technieken voor het verwerken van tekst.
   5. Vooruitgangen in NLP: van rule-based systemen naar deep learning-gebaseerde benaderingenJe vergelijkt traditionele en moderne benaderingen binnen 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 het belang van goede datavoorbereiding voor AI-projecten.
   2. Verschillende soorten data (gestructureerd, ongestructureerd, semi-gestructureerd)Je onderscheidt verschillende soorten data en hun kenmerken.
   3. Het proces van data-cleaning: omgaan met ontbrekende waarden en ruisJe oefent met het opschonen van data en het omgaan met ontbrekende waarden.
   4. Data normalisatie en standaardisatie voor machine learningJe past normalisatie en standaardisatie toe op datasets.
   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 past AI toe in bedrijfsprocessen zoals automatisering, klantsegmentatie en risicomanagement.
   5 lessen

   1. Toepassingen van AI in bedrijfsprocessen (automatisering, voorspellingen, optimalisatie)Je onderzoekt hoe AI bedrijfsprocessen kan automatiseren en optimaliseren.
   2. AI voor klantsegmentatie en gepersonaliseerde marketingJe bekijkt hoe AI wordt ingezet voor klantsegmentatie en marketing.
   3. AI in voorraadbeheer en supply chain optimalisatieJe analyseert het gebruik van AI in voorraadbeheer en supply chain.
   4. Het gebruik van AI voor voorspellingen en risicomanagementJe leert hoe AI wordt gebruikt voor voorspellingen en risicobeheer.
   5. Voorbeelden van AI-tools voor bedrijfsvoering (bijv. chatbots, predictive analytics, AI-gestuurde CRM)Je maakt kennis met AI-tools die bedrijfsvoering ondersteunen.
7. 7 Ethiek en verantwoordelijkheid in AI Je analyseert ethische vraagstukken, bias en privacy bij het ontwikkelen en toepassen van AI.
   5 lessen

   1. Het belang van ethiek in de ontwikkeling en toepassing van AIJe onderzoekt waarom ethiek belangrijk is bij AI-toepassingen.
   2. De risico's van bias en discriminatie in AI-systemenJe bespreekt de risico's van bias en discriminatie in AI-systemen.
   3. Hoe AI-beslissingen transparant en uitlegbaar kunnen worden gemaaktJe leert hoe je AI-beslissingen transparant en uitlegbaar maakt.
   4. Het waarborgen van privacy en gegevensbeveiliging bij AI-toepassingenJe bekijkt hoe je privacy en gegevensbeveiliging waarborgt bij AI.
   5. Regelgeving en wetgeving rondom AI, zoals GDPR en de AI ActJe krijgt inzicht in relevante regelgeving rondom AI.
8. 8 AI tools en software voor beginners Je maakt kennis met AI-tools en bouwt eenvoudige modellen met toegankelijke software en interfaces.
   5 lessen

   1. Overzicht van populaire AI-tools en -platformen (bijv. TensorFlow, Keras, PyTorch)Je krijgt een overzicht van veelgebruikte AI-tools en platformen.
   2. Het gebruik van grafische gebruikersinterfaces (GUI) voor beginners in AI (bijv. Google Colab, Azure ML)Je leert werken met grafische gebruikersinterfaces voor AI.
   3. Het bouwen van eenvoudige machine learning-modellen met open-source softwareJe bouwt eenvoudige machine learning-modellen met open-source software.
   4. Basisprincipes van coderen voor AI (bijv. Python, R)Je past basisprincipes van coderen toe voor AI-toepassingen.
   5. Het toepassen van kant-en-klare modellen voor tekstverwerking, beeldherkenning en voorspellende analysesJe gebruikt kant-en-klare modellen voor tekst, beeld en voorspellingen.
9. 9 AI en automatisering Je ontdekt hoe AI processen automatiseert en bijdraagt aan efficiëntie en kostenbesparing.
   5 lessen

   1. Wat is procesautomatisering en hoe kan AI hierbij helpen?Je onderzoekt hoe AI procesautomatisering ondersteunt.
   2. Toepassingen van AI in RPA (Robotic Process Automation)Je bekijkt AI-toepassingen binnen Robotic Process Automation.
   3. Het gebruik van AI om repetitieve taken en administratieve processen te automatiserenJe leert hoe AI repetitieve en administratieve taken automatiseert.
   4. Voorbeelden van AI in de klantenservice (chatbots, automatische e-mailrespons)Je analyseert voorbeelden van AI in klantenservice.
   5. De voordelen van automatisering met AI voor efficiëntie en kostenbesparingJe beoordeelt de voordelen van automatisering met AI voor organisaties.
10. 10 Toekomst van AI en de werkplek Je onderzoekt toekomstige AI-technologieën en de gevolgen voor werk, vaardigheden en organisaties.
    5 lessen

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