De werk- en evaluatievormen beschreven in deze studiegids kunnen zowel online als on campus georganiseerd worden. De concrete richtlijnen hieromtrent worden in de studieleidraad op Blackboard meegedeeld. Indien de overheid of de instelling omwille van bijzondere omstandigheden maatregelen oplegt en de bepalingen zoals in de originele ECTS-fiche beschreven niet kunnen worden gevolgd, kan de opleiding in samenspraak met de studentencommissie voor de oorspronkelijke werk- en evaluatievormen alternatieven uitwerken. Deze alternatieven worden in de studieleidraad op Blackboard meegedeeld.

Studiemateriaal wordt ter beschikking gesteld via Blackboard: slides - cursus - Jupyter Notebooks.

Als programmeertaal gebruiken we Python.

De student kan concepten ivm Artificiële Intelligentie en Machine Learning uitleggen.

De student kan aan eenvoudige kansrekening doen.

De student kan uit een dataset van gegevens relevante informatie selecteren, samenvatten en voorstellen. Hij/zij kan verbanden zoeken tussen variabelen en omgaan met outliers en missing values.

De student kan kritisch naar bestaande datarepresentaties kijken.

De student kan verschillende types van Machine Learning onderscheiden en bestaande Machine Learning algoritmes toepassen.

De student kan uit probleemstellingen gegevens en gevraagde afleiden en op basis hiervan een geschikte oplossingsstrategie uitdenken om hiermee het probleem op te lossen. 

• Introductie tot Artificiële Intelligentie
• Introductie tot Machine Learning (Supervised en Unsupervised)
• Introductie tot kansrekenen en statistiek
• Dataverwerking en visualisatie

Concreet werken we alles uit in Jupyter Notebooks met Python als programmeertaal

1. Aanwezigheid tijdens elk evaluatiemoment is verplicht.

2. De student(e) is zelf verantwoordelijk voor het goed functioneren van laptop en vakspecifieke software.

3. De student moet op de beide onderdelen van het examen minstens 8/20 behalen om te kunnen slagen voor dit opleidingsonderdeel.

1. Elke ongewettigde afwezigheid tijdens een permanente evaluatie leidt tot het cijfer 0 voor deze (deel)evaluatie.

2. Bij gewettigde afwezigheid tijdens een permanente evaluatie kunnen in samenspraak met de docent afspraken gemaakt worden om - indien mogelijk en praktisch haalbaar - het gemiste evaluatiemoment in te halen. De student dient hierin zelf het initiatief te nemen en de betrokken docent te contacteren binnen de 5 werkdagen na het gemiste evaluatiemoment.

3. Indien de student tijdens de permanente evaluatiemomenten meer dan 50% gewettigd of ongewettigd afwezig is, wordt de score ‘onvolledige deelname’ toegekend aan het opleidingsonderdeel.

4. Indien de student op één van beide examenonderdelen minder dan 8/20 behaalt, kan hij/zij maximum 9/20 als eindresultaat behalen voor het opleidingsonderdeel.