Machine Learning
In de mastermodule Machine Learning staan klassieke machine learning en Deep Learning centraal. Deze masterclass behandelt het bouwen van lerende computermodellen. Na deze cursus weet je niet alleen welke modellen te gebruiken, maar ook hoe je ze aanpast en verfijnt voor jouw specifieke case. We gaan ervan uit dat je kennis hebt van programmeren (het maken van functies en classes, list comprehensions) en data visualisatie (matplotlib en seaborn) met behulp van Python.
We beginnen met de meest eenvoudige modellen en werken via diverse trucs toe naar het zelf leren ontwerpen van deep learning modellen. Je leert om zelf architecturen te bouwen en daarmee bijvoorbeeld verkoopcijfers te voorspellen, modellen te laten herkennen en films te classificeren. Deep learning is een van de meest veelbelovende ontwikkelingen op het gebied van Kunstmatige Intelligentie.
Volg je deze module als onderdeel van een post-bacheloropleiding of de gehele masteropleiding, dan is bij deze mastermodule een opleidingsdag in Consultancy & Persoonlijke vaardigheden een verplicht onderdeel. Dit geldt niet wanneer deze mastermodule als losse module volgt.
Handig om te weten
| Startmoment | November en april |
|---|---|
| Lesdata | Neem voor meer informatie contact op met de opleiding. |
| Studie-investering | 15-20 uur per week (inclusief colleges) |
| Kosten |
€ 3850 (vrij van btw) Bekijk de mogelijkheden voor een tegemoetkoming in de studiekosten. |
| Deelnemers | 6 - 18 |
| Locatie | Koningsbergerstraat 9 Utrecht |
| Diploma | Certificaat met de studie-investering |
Persoonlijk advies
We helpen je graag verder! Neem contact op voor antwoord op je vragen over de opleiding en je toelaatbaarheid.
Aanmelden
Zin om te beginnen met deze opleiding?
Opleidingsinhoud
Tijdens de mastermodule Machine Learning staan klassieke machine learning en Deep Learning centraal. De mastermodule behandelt het acquireren van data.
We gaan aan de slag met state-of-the-art deep learning modellen.
Aan het einde van de cursus begrijp je wat Deep Neural Networks, Convolutional Neural Networks, Recurrent Neural Networks en Embeddings zijn. Met deze technieken leer je om zelf architecturen te bouwen en daarmee problemen op te lossen zoals het voorspellen van verkoopcijfers (timeseries), je model laten herkennen of er een kat of een hond op een afbeelding staat (Computer Vision) en het classificeren van een film op basis van een beschrijving (NLP). Dergelijke technieken worden in toenemende mate toegepast bij bijvoorbeeld fraude detectie, recommendation engines en customer relationship management.
De volgende onderwerpen komen aan bod, waarbij theorie en praktijk worden continu afgewisseld:
- Classificatie en regressie
- Meten van performance (bv overfitting)
- Support vector machines en kernels
- Het bouwen van pipelines en grid search
- Hypertuning van Neurale Netwerken
- Het doen van onderzoek naar het ontwerpen van een modelarchitectuur
- Timeseries Forecasting
- Natural Language Processing
Tijdens de mastermodule krijg je klassikaal onderwijs. Daarbij deel je ook jouw praktijkervaring met de andere deelnemers. Een module wordt afgesloten met een schriftelijk tentamen, een paper of presentatie en een opleidingsdag Consultancy en Persoonlijke Vaardigheden.
Je leert:
- (un)supervised learning technieken te doorgronden
- deep learning technieken toe te passen
Docenten
De colleges worden voor een groot deel verzorgd door (gast)docenten uit het bedrijfsleven. Hierdoor sluit de inhoud steeds naadloos aan op de (complexe) vraagstukken uit de hedendaagse markt. Inhoudelijk is de opleiding nauw verbonden met de lectoren van Hogeschool Utrecht in het betreffende onderzoeksgebied en mede daardoor van hoog niveau.
Toelating
Om de mastermodule Machine Learning te volgen, heb je hbo-werk- en denkniveau nodig, plus minimaal twee jaar relevante werkervaring op hbo- of wo-niveau.
We gaan graag met je in gesprek om je vragen over de opleiding te beantwoorden en je toelaatbaarheid vast te stellen, op basis van je CV tijdens het intakegesprek. Je meldt je hiervoor aan via de persoonlijk advies button onderaan de pagina.
Indien je de mastermodule separaat wil volgen is basiskennis nodig van: python, forloops omschrijven en lists maken, gebruik van pandas, matplotlib/seaborn, classes maken, inheritance, numpy (vectoriseren van code), broadcasting, opzetten van een environment voor python en werken met git.
Na deze opleiding
Wanneer je de mastermodule Machine Learning succesvol hebt afgerond, ontvang je een certificaat van Hogeschool Utrecht. Wil je na deze module verder studeren? Volg dan een van de post-hbo-leergangen, of kies voor de Master of Informatics (NVAO geaccrediteerd).
Je weet:
- hoe je (un)supervised learning technieken moet doorgronden
- hoe je deep learning technieken kunt toe passen
Eén van de unieke kenmerken van deze mastermodule is dat zij onderdeel is van een post-hbo-leergang, de Master of Informatics - Applied Data Science en de Master of Informatics - Bussiness & IT. De master is door de NVAO geaccrediteerd en daarmee ook internationaal erkend. Wil je je na de module verder ontwikkelen? Dan is een leergang of de master een logische vervolgstap.
Overige informatie
De mastermodule Machine Learning kost € 3850 vrij van btw. Hier zijn de lesmaterialen bij inbegrepen.
In de module zijn theorie en praktijk direct aan elkaar gekoppeld. Dit maakt de studie bijzonder effectief en levert voordelen op voor jou en je organisatie. Om een wisselwerking te creëren tussen het toepassen van de verworven kennis in de praktijk en de inbreng van je kennis en ervaring tijdens de lessen, dien je een relevante werkplek te hebben.
Wanneer je besluit na één mastermodule de post-hbo-opleiding te vervolgen dan is je investering € 6600 (totale investering post-hbo-opleiding € 10.350).
Mocht je besluiten na één mastermodule de master te vervolgen dan is je investering € 17.750 en € 500 voor de studiereis (totale investering master € 21.500 exclusief studiereis).
Alle bedragen zijn vrij van btw en inclusief boeken en readers.
Hogeschool Utrecht organiseert geregeld 'De Master Spreekt...' events.
Aankomende events
1 maart Machine Learning Architectuur
Vorige event
Om je een indruk te geven van mogelijke onderwerpen, vonden in deze reeks eerder plaats: De Master spreekt...
- Over Business Process Management
- Over Responsible AI & ChatGPT
- Over Informatiehuishouding
- Over Next Level Project Management
- Over Mensgerichte Process Mining
- Over Datagedreven innovatieve diensten in de ICT Valley
- Over Juridisch en ethisch verantwoord toepassen van algoritmen
- Over Data: Just Do It
Blijf op de hoogte over het ICT Deeltijd Onderwijs van Hogeschool Utrecht en wat daarmee samenhangt en volg ons op LinkedIn. Hier kondigen wij ook onze “De Master Spreekt Events” aan.
Waarom Machine Learning bij de HU?
-
Stroom door naar een post-hbo-leergang of master
Wil je na deze module verder studeren? Dan kun je doorstromen naar een post-hbo-leergang of de Master of Informatics.
-
Combineer studie, werk en privé
Door de flexibele en modulaire opzet van de studie kun je deze goed inpassen in je drukke leven.
-
Kom verder in je carrière
De HU geeft eigentijds onderwijs dat goed aansluit op de praktijk.
Direct contact
Micky Lammertink
Deze opleiding is ook onderdeel van:
Leren toveren bij de Mastermodule Machine Learning.
Veel gaver dan gedacht
Nico van Kesteren volgde de mastermodule Machine Learning. Voordat Nico hieraan begon dacht dat hij al aardig wat te weten over dit onderwerp. ‘Niets bleek minder waar. Er is een wereld voor mij opengegaan. Dit vakgebied leek mij zeker interessant, maar het is nog veel gaver dan ik dacht.’
Nico legt uit dat hij leerde om de context beter te begrijpen, hoe machine learning conceptueel in elkaar steekt en wat nodig is om zaken werkend te maken en te verbeteren. ‘In het derde college ging het over neurale netwerken. Geweldig om dat nu ook te kunnen! Je hebt wel affiniteit met programmeren nodig om deze module succesvol af te kunnen ronden’.
De werkgever van Nico, verzekeraar ONVZ, wil zich ontwikkelen in de richting van Data en Machine Learning. Reden voor Nico om de toegepast wetenschappelijke opleiding Master of Informatics – Applied Data Science (MSc) te gaan volgen, waar de mastermodule Machine Learning onderdeel van is. Op dit moment is Nico de enige binnen de organisatie met deze kennis van Machine Learning en gaat het voortouw nemen in deze ontwikkelingen.
Magisch
Ook Nils van Os- van Helmond, werkzaam bij ABN- AMRO Bank, nam deel aan deze module. Nils legt uit dat men, door de wijze waarop in de media over Machine Learning wordt bericht, haast zou kunnen denken dat het iets magisch is. ‘In deze module kreeg ik het gevoel dat we bij de tovenaar achter de gordijntjes mochten kijken. Alle trucs werden ons uitgelegd’.
Hoewel het leren van een nieuwe programmeertaal volgens Nils veel tijd kost en soms heel frustrerend kan zijn, gaf het hem ook extra veel voldoening toen hij uiteindelijk iets in mocht leveren waar hij echt trots op is. ‘De docent is goed in staat de soms ingewikkelde lesstof heel begrijpelijk uit te leggen. De sterke focus op de praktische toepassing van de materie spreekt me ook heel erg aan’. Nils zegt over de docent dat hij inhoudelijk heel sterk is en gebruikmaakt van relevante en beeldende voorbeelden uit de praktijk. ‘Het was hard werken maar ik heb wel leren “toveren”!’
Gids in de jungle
Docent Raoul Grouls over zijn mastermodule: ‘Machine Learning groeit enorm hard. Het wordt vaak het nieuwe goud genoemd en heel veel mensen willen wel “iets” met AI. Wat ik echter veel zie is dat mensen wel bezig zijn met code, maar eigenlijk niet begrijpen waarom ze bepaalde keuzes maken.’
Raoul legt uit dat er wat dat betreft ook veel samenkomt: programmeren, wiskunde, statistiek, maar ook psychologisch en zakelijk inzicht waarom bepaalde dingen gedaan worden. Die heb je echt allemaal nodig, en je zult ze creatief moeten combineren om echt goed te worden.
‘Er zijn dan in het begin zoveel opties dat het voor studenten soms als een jungle voelt. Ik beschouw mijn rol dan als die van een gids, die de studenten leert spoorzoeken. Geen code blind kopiëren, maar zelfstandig onderzoek doen naar een model en onderbouwen waarom je bepaalde keuzes maakt. Wat dat betreft vond ik het heel mooi om te zien hoe studenten zich hebben ontwikkeld, om echt te zien dat het inzicht groeit en dat ze vervolgens zelfstandig op onderzoek uit durven gaan’.
