Advanced AI - 06 - Optimalisatie

Lesmethode :

Klassikaal

Algemeen :

Met de toenemende complexiteit van AI-modellen en datagedreven besluitvorming groeit de behoefte aan effectieve optimalisatietechnieken. Optimalisatie speelt een cruciale rol in machine learning, operations research en tal van andere toepassingen, van logistieke planning en resource-allocatie tot het finetunen van AI-modellen en algoritmes.

In deze eendaagse cursus krijg je een overzicht van belangrijke optimalisatietechnieken, zoals lineair programmeren (LP), geheeltallig programmeren (ILP) en heuristische methoden zoals simulated annealing. Daarnaast ontdek je hoe optimalisatie wordt toegepast in AI, bijvoorbeeld met technieken als gradient descent en convexe optimalisatie. We combineren theorie met praktische oefeningen in Python, zodat je de technieken direct leert toepassen.

Deze cursus is onderdeel van de Advanced AI-serie, een reeks van in totaal zes verdiepende modules. Elke cursus behandelt een specifiek thema binnen AI en is afzonderlijk te volgen. Samen vormen ze een logisch en samenhangend leertraject voor wie zijn AI-kennis wil verbreden én verdiepen.

Doel :

Met deze cursus kun je:
#De basisprincipes van optimalisatie begrijpen en toepassen
#Werken met lineair programmeren (LP) en geheeltallig programmeren (ILP)
#Heuristische technieken zoals simulated annealing inzetten bij complexe problemen
#Optimalisatietechnieken toepassen binnen AI, zoals gradient descent en convexe optimalisatie
#Python gebruiken om optimalisatieproblemen op te lossen
#Deze methoden effectief inzetten binnen AI- en data science-toepassingen

Doelgroep :

Deze cursus is voor data-analisten en datascientists en overige professionals die optimalisatietechnieken willen toepassen in hun werk. Heb je al een cursus uit de serie Advanced AI gevolgd, dan is deze cursus een logische vervolgstap.

Voorkennis :

Voor een goede basis adviseren we te starten met Advanced AI - deel 1: Introduction, waarin het fundament wordt gelegd voor de rest van deze serie. Enige ervaring met programmeren is vereist en enige ervaring met Python, aangezien we werken met Google Colab.

Onderwerpen :

- Basisprincipes van optimalisatie: doelstellingen, constraints en oplossingsmethoden
- Lineair programmeren (LP) en geheeltallig programmeren (ILP): formulering en toepassingen
- Niet-lineaire optimaliseringstechnieken en heuristieken
- Optimalisatie in AI en machine learning
- Praktische toepassingen: optimalisatieproblemen oplossen in supply chain, machine learning en operations research