Categorie: Resultaten & uitkomsten

Realiseren van een proef-sessie van de online ARIS-cursus

Het ARIS-curriculum werd online getest van 4 oktober tot 30 november 2021, met de daadwerkelijke deelname van doelgroepen, en met als overkoepelend doel de educatieve waarde van het ontwikkelde lesmateriaal te evalueren. In totaal schreven 172 studenten zich in voor de ARIS MOOC, waarbij zij leermateriaal van 120-160 uur bijwoonden. Over het algemeen registreerde het proces positieve attitudes en opmerkingen over de educatieve waarde, de volledigheid en het nut van het ARIS-curriculum en de leermiddelen. De deelnemers gaven ook waardevolle feedback voor de verbetering van het lesmateriaal en de verfijning van de online cursus. Het bijgevoegde verslag bevat een samenvatting van de belangrijkste bevindingen en de evaluatieresultaten van de proeflevering van het ARIS-curriculum.

Gelieve hier de pdf-versie.

Artificial Intelligence leer- en beoordelingsmateriaalpakket

├─ Learning Unit 1 – Foundations of Artificial Intelligence.
│├ Lesson 1 – Scope of AI (document, slides).
│├ Lesson 2 – Problem Solving (document, slides).
│├ Lesson 3 – Knowledge Representation (document, slides).
│├ Lesson 4 – Machine Learning (document, slides).
│├ Lesson 5 – Applications (document, slides).
│└ Lesson 6 – Ethical Implications (document, slides).
│
├─ Learning Unit 2 – Machine Learning.
│├ Lesson 1 – Introduction to Machine Learning (document, slides).
│├ Lesson 2 – Languages and Resources (document, slides).
│├ Lesson 3 – Data Transformation and Visualization (document, slides).
│├ Lesson 4 – Supervised Linear Machine Learning (document, slides).
│├ Lesson 5 – Supervised non linear Machine Learning (document, slides).
│└ Lesson 6 – Unsupervised Machine Learning (document, slides).
│
├─ Learning Unit 3 – Neural Networks and Deep Learning.
│├ Lesson 1 – Brain Origins and Elements of Artificial Neural Networks (document, slides).
│├ Lesson 2 – Simple Perceptrons and Supervised Learning (document, slides).
│├ Lesson 3 – Multilayer Perceptron and Keras (document, slides).
│├ Lesson 4 – Deep Learning for Image Classification, Convolutive Neural Networks (document, slides). 
│├ Lesson 5 – Different CNNs for Image Classification (document, slides).
│└ Lesson 6 – Real Time Objects Locatization with YOLO (document, slides).
│
└─Learning Unit 4 – AI for Solving real-life problems.
   ├ Lesson 1 – Natural Language Processing Introduction, Embeddings Classification (document, slides).
   ├ Lesson 2 – Neural Networks for NLP and Libraries (document, slides).
   ├ Lesson 3 – New Approaches, Applications and Open Problems (document, slides).
   ├ Lesson 4 – BigData Problems, Core Techniques and Introduction to Problems, Hadoop Spark (document, slides).
   ├ Lesson 5 – Spark for Big Data Processing (document, slides).
   └ Lesson 6 – Cloud Computing and ML with PySpark (document, slides).