Hoe kunnen we je helpen?
Of u nu op zoek bent naar deskundig ITSM-advies, geavanceerde technologische oplossingen, bekroonde trainingen of praktische IT-ondersteuning, verken onze website en gebruik het zoekveld om eenvoudig de bronnen, inzichten en diensten te vinden die u nodig hebt.
Artificial Intelligence Fundamentals E-learning
Kunstmatige Intelligentie (AI) is een methode waarbij een niet-menselijk systeem wordt gebruikt om te leren van ervaring en menselijk intelligent gedrag na te bootsen. De certificering ‘Artificial Intelligence Fundamentals’ toetst de kennis en het begrip van een kandidaat van de terminologie en algemene principes van AI.
De cursus behandelt de voordelen en uitdagingen van ethische en duurzame, robuuste Kunstmatige Intelligentie (AI); het basisproces van Machine Learning (ML) – het opbouwen van een Machine Learning (ML) Toolkit; de uitdagingen en risico’s die gepaard gaan met een AI-project, en de toekomst van AI en mensen op de werkvloer.
Na voltooiing van de zelfstudiecursus ben je optimaal voorbereid op het officiële examen ‘Artificial Intelligence Fundamentals’ van Van Haren Publishing Group.
Kandidaten moeten in staat zijn kennis en begrip aan te tonen in de toepassing van ethische en duurzame Kunstmatige Intelligentie (AI):
• Mensgerichte ethische en duurzame menselijke en kunstmatige intelligentie (AI);
• Kunstmatige Intelligentie (AI) en robotica;
• het toepassen van de voordelen van AI-projecten – uitdagingen en risico’s;
• Theorie en praktijk van Machine Learning (ML) – het opbouwen van een Machine Learning (ML) Toolbox;
• het beheer, de rollen en verantwoordelijkheden van mensen en machines – de toekomst van AI.
Kandidaten moeten in staat zijn kennis en begrip aan te tonen in de toepassing van ethische en duurzame Kunstmatige Intelligentie (AI):
• Mensgerichte ethische en duurzame menselijke en kunstmatige intelligentie (AI);
• Kunstmatige Intelligentie (AI) en robotica;
• het toepassen van de voordelen van AI-projecten – uitdagingen en risico’s;
• Theorie en praktijk van Machine Learning (ML) – het opbouwen van een Machine Learning (ML) Toolbox;
• het beheer, de rollen en verantwoordelijkheden van mensen en machines – de toekomst van AI.
- Module 1: Introduction to AI Fundamentals
- Module 2: Ethical and Sustainable Human and Artificial Intelligence
- Module 3: Intelligent Agents & Robotics
- Module 4: AI Benefits, Challenges and Projects
- Module 5: Machine Learning (ML) Toolbox – Theory and Practice
- Module 6: Agile Working and The Future of Human and Machine collaboration
- Module 7: AI Fundamentals Wrap Up
- Module 8: Trial Exam
Examen Informatie
- 60 meerkeuze vragen
- 39 punten vereist om te slagen – 65%
- Duur examen: 60 minuten
- Gesloten boek
Er zijn geen voorvereisten.
-
Overzicht
Kandidaten moeten in staat zijn kennis en begrip aan te tonen in de toepassing van ethische en duurzame Kunstmatige Intelligentie (AI):
• Mensgerichte ethische en duurzame menselijke en kunstmatige intelligentie (AI);
• Kunstmatige Intelligentie (AI) en robotica;
• het toepassen van de voordelen van AI-projecten – uitdagingen en risico’s;
• Theorie en praktijk van Machine Learning (ML) – het opbouwen van een Machine Learning (ML) Toolbox;
• het beheer, de rollen en verantwoordelijkheden van mensen en machines – de toekomst van AI. -
Leerdoelen
Kandidaten moeten in staat zijn kennis en begrip aan te tonen in de toepassing van ethische en duurzame Kunstmatige Intelligentie (AI):
• Mensgerichte ethische en duurzame menselijke en kunstmatige intelligentie (AI);
• Kunstmatige Intelligentie (AI) en robotica;
• het toepassen van de voordelen van AI-projecten – uitdagingen en risico’s;
• Theorie en praktijk van Machine Learning (ML) – het opbouwen van een Machine Learning (ML) Toolbox;
• het beheer, de rollen en verantwoordelijkheden van mensen en machines – de toekomst van AI. -
Programma
- Module 1: Introduction to AI Fundamentals
- Module 2: Ethical and Sustainable Human and Artificial Intelligence
- Module 3: Intelligent Agents & Robotics
- Module 4: AI Benefits, Challenges and Projects
- Module 5: Machine Learning (ML) Toolbox – Theory and Practice
- Module 6: Agile Working and The Future of Human and Machine collaboration
- Module 7: AI Fundamentals Wrap Up
- Module 8: Trial Exam
Examen Informatie
- 60 meerkeuze vragen
- 39 punten vereist om te slagen – 65%
- Duur examen: 60 minuten
- Gesloten boek
-
Voorvereisten
Er zijn geen voorvereisten.