Artifical Intelligence (Ai) - Kunstmatige Intellegentie - eLearning

Artifical Intelligence (Ai) Kunstmatige Intellegentie - eLearning

Krijg inzicht in AI-concepten, workflows en prestatiestatistieken

Kunstmatige intelligentie (AI) is intelligentie die wordt gedemonstreerd door machines, waardoor ze kunnen leren van ervaringen en mensachtige taken kunnen uitvoeren. De meeste moderne AI-voorbeelden zijn gebaseerd op diep leren en natuurlijke taalverwerking, en deze technologieën stellen computers in staat grote hoeveelheden gegevens te verwerken en patronen binnen die gegevens te herkennen om specifieke taken en activiteiten te voltooien.

Kunstmatige intelligentie helpt organisaties vooruit, in een breed scala van industrieën. Het leidt tot beter onderbouwde zakelijke beslissingen, helpt bedrijven bij het creëren van innovatieve nieuwe producten en diensten en stelt bedrijven in staat belangrijke prestatiedoelen te bereiken.

Cursusoverzicht

Als u uw kennis op het gebied van kunstmatige intelligentie wilt opbouwen en inzicht wilt krijgen in de zakelijke toepassingen ervan, dan is onze cursus Inleiding tot kunstmatige intelligentie precies wat u nodig heeft! Met deze cursus krijgt u een breed overzicht van AI-concepten, workflows en prestatiestatistieken, evenals machine learning en deep learning. U zult ontdekken hoe clustering- en classificatie-algoritmen helpen bij het identificeren van AI-bedrijfstoepassingen, en u leert ook het verschil tussen supervised, unsupervised en reinforcement learning.

De basisterminologieën, concepten, reikwijdte en stadia van kunstmatige intelligentie komen allemaal aan bod in deze cursus, het zal ook kijken naar hun effect op echte bedrijfsprocessen en hoe AI de bedrijfswaarde stimuleert. Aan het einde van de cursus ben je in staat machine learning-workflow toe te passen om zakelijke problemen op te lossen, verschillende bewaakte en niet-gecontroleerde AI-algoritmen duidelijk te definiëren en de ROI te meten op basis van prestatiestatistieken.

Leerdoelen

• De betekenis en het doel van AI, evenals de reikwijdte, fasen, toepassingen en effecten
• De basisconcepten van machine learning en deep learning
• Hoe de stappen van een machine learning-workflow effectief kunnen worden geïmplementeerd
• Het verschil tussen begeleid, semi-begeleid en niet-begeleid leren
• De rol van prestatiestatistieken en hoe de belangrijkste methoden kunnen worden geïdentificeerd

Wat is ingebrepen?

12 maanden online toegang tot de introductie van kunstmatige intelligentie eLearning.

Duur: ongeveer drie uur met eLearning-inhoud van hoge kwaliteit.

Deze cursus bevat de volgende modules:

• Introductie van de cursus
• Het decoderen van kunstmatige intelligentie
• Grondbeginselen van machine learning en deep learning
• Workflow voor machine learning
• Prestatiestatistieken

Certificeringsdetails en -criteria:

• Voltooi de online zelfstudiecursus
• Voltooi de eindbeoordeling van de cursus met een minimumscore van 80%.

Lesprogramma:

Les 01 - Kunstmatige intelligentie decoderen

• Het decoderen van kunstmatige intelligentie
• Betekenis, reikwijdte en stadia van kunstmatige intelligentie
• Drie fasen van kunstmatige intelligentie
• Toepassingen van kunstmatige intelligentie
• Beeldherkenning
• Toepassingen van Kunstmatige Intelligentie - Voorbeelden
• Effecten van Kunstmatige Intelligentie op de Maatschappij
• Begeleidt het leren voor telegeneeskunde
• Lost complexe sociale problemen op
• Voordelen voor meerdere industrieën
• Belangrijkste resultaten

Les 02 - Grondbeginselen van machinaal leren (Machine Learning) en Diep Leren (Deep Learning)

• Grondbeginselen van machinaal en diep leren
• Betekenis van machinaal leren
• Relatie tussen machinaal leren en statistische analyse
• Proces van machinaal leren
• Soorten machinaal leren
• Betekenis van Unsupervised Learning
• Betekenis van Semi-supervised Learning
• Algoritmen van machinaal leren
• Regressie
• Naïeve Bayes
• Naive Bayes Classificatie
• Algoritmen voor machinaal leren
• Diep Leren
• Definitie van kunstmatige neurale netwerken
• Definitie van Perceptron
• Online en batchgewijs leren
• Belangrijkste resultaten

Les 03 - Werkstroom voor machinaal leren

• Leerdoel
• Machine Learning Workflow
• Meer gegevens verzamelen
• Een scherpe vraag stellen
• Gegevens toevoegen aan de tabel
• Controleren op kwaliteit
• Functies transformeren
• De vragen beantwoorden
• Het antwoord gebruiken
• Belangrijkste resultaten

Les 04 - Prestatiecijfers

• Prestatiecijfers
• Noodzaak van prestatiecijfers
• Belangrijkste methoden van prestatiecijfers
• Voorbeeld Verwarringsmatrix
• Termen van de verwarringsmatrix
• Minimaliseer foutieve gevallen
• Minimaliseren van fout-positieven Voorbeeld
• Nauwkeurigheid
• Precisie
• Recall of Gevoeligheid
• Specificiteit
• F1 Score
• Belangrijke opmerkingen

Bekijk onze website (addingvalue .nl) voor ons volledige aanbod van trainingen; zoals: AgilePM; AgilePM; Agile Scrum; AgileSHIFT; AWS; Better Business Cases (BBC); Change Management; CISM, CISSP; COBIT, DevOps; ITIL4; IT4IT; IPMA; ISO/IEC 27001; LeanIT; Management of Portfolios (MoP); Management of Risk (M_o_R); Management of Value (MoV); MSP; Paxis; PMI-ACP; PMI-RMP; PRINCE2; P3O; SAFe; Lean Six Sigma; Software Testing ISTQB; TOGAF; VeriSM en nog veel meer!

Wij hopen u ook te certificeren!