Basisopleiding Werken met AI

Je maakt kennis met kunstmatige intelligentie, machine learning en AI-toepassingen in het werk.

1. 1 Inleiding tot kunstmatige intelligentie (AI) Je onderzoekt wat kunstmatige intelligentie is en hoe AI invloed heeft op werk en samenleving.
   5 lessen

   1. Wat is kunstmatige intelligentie en waarom is het belangrijk?Je beschrijft wat AI inhoudt en waarom het relevant is voor je werk.
   2. Verschillende soorten AI: zwakke AI, sterke AI, en superintelligentieJe vergelijkt verschillende typen AI en herkent hun kenmerken.
   3. Het verschil tussen machine learning, deep learning en AIJe legt het verschil uit tussen machine learning, deep learning en AI.
   4. Toepassingen van AI in verschillende sectoren (gezondheidszorg, productie, klantenservice)Je bekijkt hoe AI wordt toegepast in diverse werkgebieden.
   5. De impact van AI op de werkplek en de samenlevingJe analyseert hoe AI werk en maatschappij verandert.
2. 2 Basisprincipes van machine learning Je leert de basis van machine learning en het trainen van modellen met verschillende soorten data.
   5 lessen

   1. Wat is machine learning en hoe werkt het?Je legt uit wat machine learning is en hoe het leerproces werkt.
   2. Verschil tussen supervised, unsupervised en reinforcement learningJe onderscheidt supervised, unsupervised en reinforcement learning.
   3. Het proces van het trainen van een machine learning-modelJe beschrijft de stappen van het trainen van een machine learning-model.
   4. De rol van data bij machine learning (training en testdata)Je benoemt het belang van trainings- en testdata bij machine learning.
   5. Voorbeelden van machine learning-algoritmes (bijv. lineaire regressie, beslissingsbomen)Je herkent 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 legt uit wat deep learning is en hoe het verschilt van machine learning.
   2. Basisconcepten van neurale netwerken en hun werkingJe beschrijft de werking van neurale netwerken.
   3. Verschillende soorten neurale netwerken (bijv. feedforward, convolutioneel, recurrent)Je herkent verschillende typen neurale netwerken en hun gebruik.
   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 vergelijkt de sterke en zwakke punten van deep learning en traditionele methoden.
4. 4 Natural Language Processing (NLP) Je onderzoekt hoe AI taal verwerkt en hoe NLP wordt gebruikt voor tekst- en taaltoepassingen.
   5 lessen

   1. Wat is Natural Language Processing (NLP) en waarom is het belangrijk?Je legt uit wat NLP is en waarom het relevant is voor tekstverwerking.
   2. Basisprincipes van taalverwerking door AI (taalanalyse, sentimentanalyse)Je analyseert hoe AI taal en sentiment verwerkt.
   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 benoemt machine learning-technieken voor tekstverwerking.
   5. Vooruitgangen in NLP: van rule-based systemen naar deep learning-gebaseerde benaderingenJe vergelijkt traditionele en moderne NLP-benaderingen.
5. 5 Data voorbereiding en verwerking voor AI Je leert hoe je data voorbereidt, schoonmaakt en analyseert voor gebruik in AI-projecten.
   5 lessen

   1. Het belang van datavoorbereiding in AI-projectenJe onderbouwt waarom goede datavoorbereiding nodig is.
   2. Verschillende soorten data (gestructureerd, ongestructureerd, semi-gestructureerd)Je onderscheidt gestructureerde, ongestructureerde en semi-gestructureerde data.
   3. Het proces van data-cleaning: omgaan met ontbrekende waarden en ruisJe past technieken toe om data te schonen en ruis te verminderen.
   4. Data normalisatie en standaardisatie voor machine learningJe normaliseert en standaardiseert data voor machine learning.
   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 klantsegmentatie.
   5 lessen

   1. Toepassingen van AI in bedrijfsprocessen (automatisering, voorspellingen, optimalisatie)Je verkent AI-toepassingen voor automatisering en procesoptimalisatie.
   2. AI voor klantsegmentatie en gepersonaliseerde marketingJe past AI toe voor klantsegmentatie en marketing.
   3. AI in voorraadbeheer en supply chain optimalisatieJe ziet hoe AI voorraadbeheer en supply chain ondersteunt.
   4. Het gebruik van AI voor voorspellingen en risicomanagementJe gebruikt AI voor voorspellingen en risicobeheer.
   5. Voorbeelden van AI-tools voor bedrijfsvoering (bijv. chatbots, predictive analytics, AI-gestuurde CRM)Je maakt kennis met AI-tools voor bedrijfsvoering.
7. 7 Ethiek en verantwoordelijkheid in AI Je staat stil bij ethische vraagstukken, bias en regelgeving rond het gebruik van AI.
   5 lessen

   1. Het belang van ethiek in de ontwikkeling en toepassing van AIJe benoemt waarom ethiek belangrijk is bij AI-toepassingen.
   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 onderzoekt hoe AI-beslissingen transparant en uitlegbaar worden gemaakt.
   4. Het waarborgen van privacy en gegevensbeveiliging bij AI-toepassingenJe legt uit hoe privacy en gegevensbeveiliging worden gewaarborgd.
   5. Regelgeving en wetgeving rondom AI, zoals GDPR en de AI ActJe bespreekt relevante regelgeving rond AI, zoals GDPR en de AI Act.
8. 8 AI tools en software voor beginners Je maakt kennis met toegankelijke AI-tools en leert eenvoudige modellen bouwen en toepassen.
   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 werkt met grafische interfaces voor AI, geschikt voor beginners.
   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 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 AI-modellen voor tekst, beeld en voorspellingen.
9. 9 AI en automatisering Je onderzoekt hoe AI processen automatiseert en repetitieve taken efficiënter maakt.
   5 lessen

   1. Wat is procesautomatisering en hoe kan AI hierbij helpen?Je legt uit wat procesautomatisering is en hoe AI dit ondersteunt.
   2. Toepassingen van AI in RPA (Robotic Process Automation)Je bekijkt hoe AI wordt ingezet bij Robotic Process Automation.
   3. Het gebruik van AI om repetitieve taken en administratieve processen te automatiserenJe ontdekt hoe AI administratieve processen automatiseert.
   4. Voorbeelden van AI in de klantenservice (chatbots, automatische e-mailrespons)Je herkent AI-toepassingen in de klantenservice.
   5. De voordelen van automatisering met AI voor efficiëntie en kostenbesparingJe benoemt de voordelen van automatisering met AI voor organisaties.
10. 10 Toekomst van AI en de werkplek Je verkent nieuwe AI-technologieën en de gevolgen 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.
    2. Hoe AI de werkplek zal veranderen: nieuwe banen en vaardighedenJe onderzoekt 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 in een AI-gedreven omgeving.
    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 een aanpak voor een toekomstbestendige AI-strategie.