Professioneel certificaat in kunstmatige intelligentie (AI) en machine learning (In samenwerking met Michigan Engineering & IBM)

In samenwerking met Michigan Engineering Professional Education, University of Michigan & IBM. 

Vraag ons naar de volgende groep en details over het schema!

• Ontvang een certificaat van voltooiing van het programma van Michigan Eng Pro-Ed
• Ontwikkel veelgevraagde vaardigheden zoals AI-automatisering, AI-geletterdheid en meer
• Programma van 6 maanden (6-8 uur/week weekendlessen)

Geef uw carrière een boost met dit uitgebreide programma op het gebied van AI en machine learning, waarin theorie, praktijkprojecten en praktische oefeningen worden gecombineerd onder de academische excellentie van Michigan Engineering Professional Education. U leert de basisprincipes van AI en ML beheersen en leert toonaangevende tools en technieken toe te passen om echte zakelijke problemen op te lossen.

Het programma biedt live virtuele lessen, interactieve projecten, labs en masterclasses voor een boeiende leerervaring. Het curriculum omvat belangrijke gebieden zoals wiskunde en statistiek, Python-programmering, machine learning, deep learning, agentische en generatieve AI, prompt engineering, verklaarbare AI, ChatGPT, natuurlijke taalverwerking en meer.

Doelgroep

Dit programma is op maat gemaakt voor IT-professionals op midden- en senior niveau die hun carrière willen uitbouwen of willen overstappen naar functies gericht op AI, machine learning en generatieve AI. Of je nu je technische vaardigheden wilt verdiepen, wilt overstappen naar AI-gerichte projecten of een leidinggevende functie wilt bekleden in datawetenschap en AI, het programma biedt uitgebreide kennis, praktische ervaring en een gerespecteerde certificering om je te helpen concurrerend te blijven in de steeds veranderende tech-industrie.

• Middenkader IT-professionals – Personen met meerdere jaren ervaring in de technologie die hun vaardigheden willen verbeteren.
• Senior IT-professionals of tech leads – Degenen die willen overstappen naar leidinggevende functies in AI- of datagestuurde afdelingen.
• Professionals die een carrièreswitch willen maken naar AI/ML/GenAI – Degenen uit aanverwante technologische vakgebieden (bijv. softwareontwikkeling, data-engineering, analytics) die willen overstappen naar AI-gerichte functies.
• Personen die leiding willen geven aan AI-gedreven projecten – Projectmanagers, architecten of producteigenaren die initiatieven met AI-technologieën willen leiden.
• Aspirant-leiders op het gebied van AI/datawetenschap – Professionals die zich voorbereiden op strategische of leidinggevende functies in AI- en datawetenschapsteams.

Vereisten:

• Bij voorkeur 2+ jaar fulltime werkervaring.
• Basiskennis van programmeren en wiskunde is een pré.
• Minimaal 18 jaar oud en in het bezit van een middelbareschooldiploma of gelijkwaardig diploma.

Leerresultaten

• Leer efficiënte Python-code te schrijven en gebruik te maken van de krachtige bibliotheken voor data-analyse en AI-projecten
• Ontwikkel vaardigheden op het gebied van data wrangling, exploratie, visualisatie en hypothesetests om weloverwogen, datagestuurde beslissingen te ondersteunen
• Begrijp en pas een reeks machine learning-algoritmen toe, waaronder concepten als regularisatie, overfitting en modelafstemming
• Verwerf expertise in het ontwerpen en trainen van neurale netwerken, waaronder convolutional en recurrent modellen, voor complexe datataken
• Gebruik de SciPy-bibliotheek en de modules daarvan, zoals Integrate, Optimize, Stats, IO en Weave, voor wetenschappelijke en technische berekeningen.
• Ontwikkel het vermogen om conversationele chatbots en AI-gestuurde klantenservicemedewerkers te bouwen.
• Implementeer tekst-naar-spraakfunctionaliteit en geautomatiseerde spraakherkenningstechnologieën.
• Leer meer over LLM's zoals ChatGPT, Gemini en hun toepassingen in verschillende domeinen.

Cursusinhoud

Leertraject

• Python-opfriscursus met AI
• Toegepaste datawetenschap met Python
• Machine learning
• Specialisatie in deep learning
• Generatieve AI-geletterdheid
• Generatieve AI-basisprincipes door IBM
• Basis modellen en generatieve AI-platforms door IBM
• Capstone-project

Keuzevakken

1. Prompt Engineering Essentials door IBM
2. NLP en spraakherkenning
3. Geavanceerde generatieve AI
4. Masterclasses door IBM
5. Agentic AI Masterclass

CURSUSINHOUD

CURSUS 1: Python-opfriscursus met AI

Python is de belangrijkste programmeertaal achter AI-ontwikkeling, waardoor deze cursus een essentieel startpunt is voor AIML. Door de basisprincipes van Python onder de knie te krijgen, bouw je een solide technische basis op om verder te gaan met AI-modeltraining, -implementatie en -beheer.

Leerresultaten

• Python-programma's schrijven en uitvoeren om problemen uit de praktijk op te lossen
• Gegevenstypen, operatoren en controlestructuren gebruiken om efficiënte code te bouwen
• Pas functies, loops en foutafhandeling toe voor gestructureerd programmeren
• Beheer bestanden effectief voor AI- en machine learning-toepassingen
• Bouw fundamentele codeervaardigheden op voor AI-modelontwikkeling

Behandelde onderwerpen

• Inleiding tot Python-programmeren
• Python-datatypes en operatoren
• Voorwaardelijke statements en loops
• Foutafhandeling en bestandsbeheer
• Python-functies

CURSUS 2: Toegepaste datawetenschap met Python

Deze cursus introduceert kernconcepten van datawetenschap, zoals datavoorbereiding, modelbouw en evaluatie. Je versterkt je Python-vaardigheden met onderwerpen als strings, lijsten en lambda-functies, terwijl je werkt met NumPy, lineaire algebra en belangrijke statistische concepten, waaronder centrale tendens, spreiding, scheefheid, covariantie en correlatie. Het curriculum behandelt ook hypothesetesttechnieken zoals Z-tests, T-tests en ANOVA, samen met gegevensmanipulatie met behulp van pandas en gegevensvisualisatie met Matplotlib.

Leerresultaten

• Een goed begrip opbouwen van het end-to-end datawetenschapsproces
• Vaardigheid ontwikkelen in Python en belangrijke bibliotheken voor datawetenschapstoepassingen
• Leren om NumPy en pandas te gebruiken voor effectieve datamanipulatie en -analyse
• Duidelijke, boeiende visualisaties maken met Matplotlib, Seaborn, Plotly en Bokeh
• Praktische vaardigheden opdoen in datamanipulatie en datavoorbewerkingstechnieken

Behandelde onderwerpen

• Inleiding tot datawetenschapsconcepten
• Essentiële basisprincipes van Python-programmeren
• Grondbeginselen van NumPy
• Principes van lineaire algebra
• Statistische grondbeginselen
• Kansverdelingen
• Geavanceerde statistische methoden
• Werken met pandas voor gegevensverwerking
• Technieken voor gegevensanalyse, -verwerking en -visualisatie
• End-to-end toepassing van statistiek met Python

CURSUS 3: Machine learning

Deze module behandelt de verschillende soorten machine learning en hun toepassingen in de praktijk, waarbij de volledige ML-pijplijn wordt behandeld met de nadruk op begeleid leren door middel van regressie- en classificatiemodellen. Ook wordt er aandacht besteed aan onbegeleid leren, clusteringmethoden en ensembletechnieken, terwijl frameworks zoals TensorFlow en Keras worden vergeleken en praktische ervaring wordt opgedaan met PyTorch om een aanbevelingssysteem te bouwen.

Leerresultaten

• Analyseer verschillende soorten machine learning en hun belangrijkste kenmerken
• Verken begeleid leren en het gebruik ervan in praktische toepassingen
• Begrijp overfitting en underfitting, inclusief hoe je deze kunt identificeren en voorkomen
• Leer verschillende regressiemodellen en hun praktische gebruiksscenario's
• Onderzoek ensemble-technieken zoals bagging, boosting en stacking

Behandelde onderwerpen

• Basisprincipes van machine learning
• Technieken voor begeleid leren
• Regressiemodellen en hun toepassingen
• Classificatiemodellen en hun gebruiksscenario's
• Ongeleide leermethoden
• Ensemble-leermethoden
• Aanbevelingssystemen

CURSUS 4: Specialisatie in deep learning

Deze cursus behandelt de kernconcepten en praktische toepassingen van deep learning, met de nadruk op hoe het verschilt van traditionele machine learning. Onderwerpen zijn onder meer neurale netwerken, voorwaartse en achterwaartse propagatie, TensorFlow 2 en Keras, prestatieoptimalisatie, interpreteerbaarheid van modellen, convolutional neural networks (CNN's), transfer learning, objectdetectie, recurrent neural networks (RNN's), auto-encoders en PyTorch.

Leerresultaten

• De belangrijkste verschillen tussen deep learning en machine learning begrijpen
• Leren hoe deep learning wordt toegepast in praktijkcases
• Forward en backward propagatie in diepe neurale netwerken (DNN's) verkennen
• Hyperparameter-tuning en modelinterpretatietechnieken begrijpen
• Dropout en early stopping toepassen om de modelprestaties te verbeteren
• Expertise opbouwen in convolutional neural networks (CNN's) voor taken zoals objectdetectie

Behandelde onderwerpen

• Neurale netwerken en diepe neurale netwerken (DNN's)
• Voorwaartse en achterwaartse propagatie in DNN's
• TensorFlow 2- en Keras-frameworks
• Technieken voor het afstemmen van hyperparameters
• Methoden voor prestatieoptimalisatie
• Convolutionele neurale netwerken (CNN's) en objectdetectie
• Transfer learning met behulp van vooraf getrainde modellen
• Recurrente neurale netwerken (RNN's) en auto-encoders
• PyTorch voor deep learning-toepassingen
• Interpreteerbaarheid en verklaarbaarheid van modellen

CURSUS 5: Generatieve AI-geletterdheid

Na verschillende deep learning-specialisaties te hebben verkend, verkennen we machine learning-types en leren we generatieve AI-algoritmen te ontwikkelen, waaronder chatbots, LLM's en AI-gestuurde beeld-/videogeneratie.

Leerresultaten

• Leer verschillende soorten machine learning
• Leer over chatbots en grote taalmodellen
• Begrijp generatieve AI-algoritmen
• Ontdek meerdere tools die beschikbaar zijn voor AI-taken

Behandelde onderwerpen

• Transformer-algoritmen
• ChatGPT-modellen
• Neurale netwerken
• GAN's en VAE
• Grote taalmodellen (LLM's)
• Beeldgeneratie en videogeneratie

CURSUS 6: Generatieve AI-basisprincipes door IBM

Na het ontwikkelen van generatieve AI-geletterdheid verkennen we de basisprincipes, evolutie en toepassingen van GenAI in tekst, beeld, audio, video, virtuele werelden, code en data. Leer meer over populaire modellen en tools zoals GPT, DALL-E, Stable Diffusion en Synthesia en hun impact op verschillende sectoren.

Leerresultaten

• Demonstreer use cases van generatieve AI voor tekst-, beeld- en codegeneratie
• Beschrijf generatieve AI en de evolutie ervan
• Verbeter de vaardigheden die nodig zijn voor succes in datawetenschap door generatieve AI-technieken toe te passen
• Demonstreer use cases van generatieve AI voor tekstgeneratie
• Vergelijk generatieve AI met discriminerende AI
• Overwin uitdagingen op het gebied van gegevensvoorbereiding en -opvraging met behulp van generatieve AI-modellen

Behandelde onderwerpen

• Kunstmatige intelligentie
• Weet hoe u generatieve AI kunt gebruiken
• AI-modellen implementeren met Hugging Face, TensorFlow en PyTorch
• ChatGPT
• LLM's leren en begrijpen
• Natuurlijke taalverwerking

CURSUS 7: Basismodellen en generatieve AI-platforms van IBM

Na het voltooien van de module Generative AI Essentials van IBM gaan we verder met basismodellen, vooraf getrainde AI-platforms en hun rol bij het genereren van tekst, afbeeldingen en code. Verken IBM Watson, Hugging Face, IBM Granite, GPT, FLAN en Llama, en doe praktische ervaring op met use cases van generatieve AI.

Leerresultaten

• Beschrijf de functies, mogelijkheden en toepassingen van IBM Watsonx
• Ontdek de mogelijkheden van basismodellen om tekst, afbeeldingen en code te genereren met behulp van vooraf getrainde modellen
• Leg uit wat Hugging Face is als community voor het bouwen van AI-modellen voor iedereen
• Toon aan dat je de concepten van de cursus begrijpt door middel van een beoordeelde quiz en een project

Behandelde onderwerpen

• Deep learning en grote taalmodellen
• Generatieve AI-modellen
• Basismodellen
• Vooraf getrainde modellen: genereren van tekst naar afbeelding
• Vooraf getrainde modellen: genereren van tekst naar tekst
• Vooraf getrainde modellen: genereren van tekst naar code
• IBM Watsonx.ai: generatieve AI voor bedrijven
• Hugging Face: open source generatieve AI

CURSUS 8: Afstudeerproject

Pas de vaardigheden die je tijdens dit programma hebt opgedaan toe in dit afstudeerproject. Je lost branchespecifieke uitdagingen op door gebruik te maken van verschillende AI- en ML-tools en -technieken die je in de programmamodules hebt geleerd. Dit project helpt je om je nieuwe expertise te laten zien aan potentiële werkgevers

Projectopties

• Klantorders analyseren met Python
• Een Python-avonturenspel bouwen met GitHub Copilot
• Verkoopanalyse
• Marketingcampagnes
• Analyse van personeelsverloop
• Cohorten van liedjes maken
• Een AI-aangedreven HR-assistent maken: een use case voor Nestlé
• Ontwerpen maken met behulp van OpenAI en Gradio UI
• Analyse van hypotheekgegevens
• Analyse van Lending Club-leninggegevens
• Autonoom rijden
• Erfgoed behouden: toerisme verbeteren met AI
• Verkoopprognoses
• ChatGPT-gebaseerde storytelling

KEUZEVAK 1: Prompt Engineering Essentials door IBM

Beheers AI-prompttechnieken om effectief te communiceren met modellen zoals ChatGPT, Gemini en Claude. Leer prompt engineering-frameworks, optimaliseer AI-outputs en pas de Chain-of-Thought (CoT)-benadering toe om het redeneringsvermogen en de nauwkeurigheid van AI te verbeteren voor betere probleemoplossing en toepassingen.

KEUZEVAK 2: NLP en spraakherkenning

Deze geavanceerde cursus richt zich op het toepassen van machine learning-technieken op grootschalige natuurlijke taalgegevens. Het behandelt natuurlijke taalbegrip, feature engineering, natuurlijke taalgeneratie, geautomatiseerde spraakherkenning, spraak-naar-tekst- en tekst-naar-spraak-technologieën, spraakassistenten en het bouwen van Alexa-vaardigheden. Aan het einde heb je een goed begrip van de principes achter NLP en spraakherkenning, waardoor je geavanceerde, praktische toepassingen kunt maken.

KEUZEVAK 3: Geavanceerde generatieve AI

Deze cursus onderzoekt de creatieve mogelijkheden van generatieve AI en behandelt modellen zoals variational autoencoders (VAE's), generative adversarial networks (GAN's), large language models (LLM's) en transformer-architecturen. Je verdiept je in aandachtsmechanismen, LangChain-workflowontwerp en geavanceerde prompt engineering, en bouwt de vaardigheden op die nodig zijn om toepassingen te ontwerpen en te optimaliseren met behulp van state-of-the-art LLM's voor gerichte use cases.

KEUZEVAK 4: Masterclasses door IBM

Neem deel aan live, interactieve online masterclasses onder leiding van IBM-experts. Deze sessies bouwen essentiële vaardigheden op op het gebied van kunstmatige intelligentie, generatieve AI en machine learning, waardoor je innovatie kunt stimuleren en concurrerend kunt blijven in verschillende sectoren.

KEUZEVAK 6: Masterclass Agentic AI

Deze masterclass verkent de volgende evolutie van AI: autonome agents die in staat zijn om complexe taken te plannen, te beredeneren en uit te voeren met minimale menselijke tussenkomst. U leert hoe u AI-aangedreven agents kunt ontwerpen, bouwen en implementeren.

FAQ

Hoe wordt het programma aangeboden?

De cursus wordt volledig online gegeven via live virtuele lessen, met een verhouding van 80:20 tussen praktijkgerichte training en theoretisch leren. Je neemt deel aan praktische projecten, casestudy's en interactieve sessies onder leiding van experts uit de sector. Je krijgt toegang tot een leerplatform waar je alle schema's en materialen kunt bijhouden.

Hoe ziet het lesrooster eruit? Zijn er opnames?

De cursus duurt doorgaans ongeveer 6 maanden, met naar schatting 8-10 uur studie per week, bestaande uit live sessies en zelfstandig leren. Er zijn voornamelijk weekendlessen met verschillende data. Tussen de cursussen door zijn er veel praktische projecten die moeten worden voltooid. Stuur ons een e-mail voor meer informatie over het programma. Als je een les mist, kun je altijd de opname bekijken.

OPMERKING:

Aanwezigheid kan niet worden geregistreerd door alleen de opnames van de sessies te bekijken. Aanwezigheid wordt alleen geregistreerd wanneer een cursist deelneemt aan de live sessie. Aangezien dit programma's zijn die aan universiteiten zijn gelieerd, zijn de criteria strenger, omdat ze door de universiteiten zelf zijn vastgesteld. Er zijn echter wel opnames beschikbaar. Cursisten kunnen de specifieke criteria voor het certificaat voor elke cursus rechtstreeks op hun LMS bekijken.

Kan ik fulltime werken terwijl ik aan dit programma deelneem?

Ja, dat kan! Het programma is zo opgezet dat het geschikt is voor drukbezette professionals met een fulltime baan. Je kunt live sessies bijwonen die in het weekend op een vast tijdstip worden gehouden, en vervolgens in je vrije tijd opdrachten/projecten voltooien. Neem eerst contact met ons op voor gedetailleerde informatie over het rooster.

Kan ik na inschrijving voor het programma van cohort veranderen?

Ja. Je hebt recht op één gratis cohortwijziging binnen de eerste 60 dagen na inschrijving. Als je na gebruik van deze optie niet kunt doorgaan met je huidige cohort, kun je tegen betaling een extra overstap aanvragen. Neem voor hulp bij het proces of bij je aanvraag contact op met ons ondersteuningsteam.

Waarin verschilt dit programma van andere online AI-cursussen of MOOC's?

In tegenstelling tot typische cursussen die je in je eigen tempo kunt volgen, biedt dit programma een door de universiteit ondersteund, interactief leermodel met meer dan 200 uur aan live sessies onder leiding van experts uit de industrie. Deelnemers profiteren van real-time betrokkenheid, toegewijde begeleiding en samenwerking met collega's, wat zorgt voor een hogere voltooiingsgraad en een dieper begrip, terwijl ze een certificaat met het logo van de universiteit ontvangen, wat de geloofwaardigheid en de waarde voor hun carrière op lange termijn vergroot.

Belangrijkste kenmerken

• Cursus en materiaal zijn in het Engels
• Gemiddeld - Gevorderd niveau
• Programma van 6 maanden (5-6 uur/week weekendlessen)
• Meer dan 200 uur live online instructie door experts uit de industrie
• Aanbevolen studietijd van meer dan 350 uur
• 1 jaar toegang tot het leerplatform en opnames van lessen
• Doe praktische ervaring op met meer dan 12 hands-on projecten, waaronder drie capstones die meerdere industrieën omvatten.
• Krijg praktische ervaring met meer dan 15 tools, waaronder ChatGPT, Claude, Descript, Julius.ai, Zapier en Python.
• Woon masterclasses bij van opinieleiders uit de branche en IBM-experts
• Door de branche erkende IBM-cursuscertificaten
• Certificaat van voltooiing van het programma, uitgegeven door Michigan Engineering Professional Education.
• Beveiligde digitale badge van Michigan Eng Pro-Ed

Boeiende leerervaring

• Interactie met medestudenten:Geniet van een echte klasomgeving door in contact te komen met medestudenten en in realtime met mentoren te communiceren via Slack.
• Flexibel leren:Raak nooit achterop: bekijk op elk moment opgenomen sessies om bij te blijven en op één lijn te blijven met je medestudenten.
• Mentorschapsessies:Krijg deskundige ondersteuning van mentoren om twijfels weg te nemen, projectbegeleiding te krijgen en je leertraject te verbeteren.
• Toegewijde ondersteuning:Profiteer van een cohortmanager die persoonlijke hulp biedt en ervoor zorgt dat je op koers blijft naar succes.

Over de University of Michigan

De University of Michigan is een toonaangevende openbare onderzoeksuniversiteit in de Verenigde Staten, wereldwijd erkend voor academische excellentie, innovatie en leiderschap op het gebied van wetenschap en techniek. Michigan Engineering Professional Education, onderdeel van het College of Engineering van de universiteit, biedt industriegerichte programma's onder leiding van deskundige docenten uit de VS, die professionals en leiders helpen om baanbrekend onderzoek en technische praktijken toe te passen op praktische zakelijke en technologische uitdagingen.

Welke toegevoegde waarde levert de University of Michigan aan het programma?

Het curriculum van het programma wordt beoordeeld en goedgekeurd door Michigan Engineering Professional Education. Houd er rekening mee dat de live lessen niet worden gegeven door docenten van de universiteit, maar door ervaren experts uit de industrie. De docenten zijn geen medewerkers van de Universiteit van Michigan. Naast de goedkeuring van de inhoud houdt Michigan Engineering Professional Education ook toezicht op de evaluatie van docenten, kwaliteitsborging, tevredenheid van studenten en algemene programmaresultaten, wat het programma kwalitatieve legitimiteit en een co-branded certificaat van voltooiing geeft.