Minor AI

Leer in vijf maanden programmeren en problemen oplossen met machine learning

Bij de minor AI kun je kennis maken met kunstmatige intelligentie en machine learning. Je leert werken met allerlei algoritmen, waarvan je een deel zelf gaat bouwen en toepassen op een breed scala aan problemen. De minor heeft geen ingangseisen op gebied van programmeren of wiskunde: wat je nodig hebt ga je bij ons leren!

Inhoud

Machine learning is een actief en snel groeiend vakgebied, en technieken daaruit zijn de bron van de huidige revoluties in AI. Dat zijn niet, zoals we vroeger dachten, lopende robotbedienden, maar gerichte algoritmen die een specifiek probleem oplossen op basis van grote hoeveelheden data. Toepassingen van machine learning kun je terug vinden in allerlei vakgebieden:

  • Op basis van CT-scans proberen vroegtijdig te voorspellen of iemand longkanker heeft.
  • Op basis van het leergedrag van kinderen in educatieve apps proberen het leertraject van ieder individueel kind te optimaliseren.
  • Op basis van verspreidingscijfers en maatregelen per regio proberen te modelleren welke factoren het meest belangrijk zijn voor de verspreiding van COVID-19.
  • Op basis van foto’s van onderwatercamera’s achter schepen proberen te classificeren welke plankton er aanwezig zijn in de oceaan, om zo een beter beeld te krijgen van de waterkwaliteit per regio.

Je begint de minor met de basis van machine learning en programmeren. Hierbij gaan we in op wat er nu precies geleerd wordt en hoe dit leerproces werkt. Voor een volledig beeld zullen we ook de onderliggende wiskunde in duiken en nadenken over filosofische vragen zoals wat nou het "intelligente" deel van de kunstmatige intelligentie is.

Als de fundamenten gelegd zijn kun je aan de slag met serieuze toepassingen. Je gaat neurale netwerken programmeren en deze toepassen op echte data. Ook zullen we aandacht besteden aan andere aspecten van dataverwerking, zoals data verzamelen en transformeren. Aan het eind sluiten we het de minor af met een groot project van vier weken.

Aanbod

Komend studiejaar is in elk van beide semesters plek voor 24 UvA-studenten. Er is een (online) aanwezigheidsplicht: de deelnemers worden in teams ingedeeld die vijf maanden lang samen studeren en leren. Wil je meedoen, dan verwachten we dat je fulltime reserveert voor de vakken. Je kunt dan niet door de weeks werken of andere vakken volgen.

Selectie

De minor heeft geen eisen wat betreft voorkennis, behalve een voldoende voor wiskunde A of B op vwo-niveau. Er zal vanwege het beperkt aantal plaatsen wel een selectieprocedure zijn. De minor richt zich specifiek op studenten met vrij weinig voorkennis op het gebied van wiskunde en programmeren, dus we willen graag weten met welke voorkennis je precies binnen komt, zodat we kunnen checken of je bij ons op de juiste plek zit. Daarnaast kiezen we bij deze eerste lichting voor een mix van studenten van verschillende UvA-opleidingen.

Deadline

Als je het formulier hebt in gevuld met je achtergrond kennis, studie die je op dit moment doet en motivatie, krijg je van ons een reactie met mogelijk een uitnodiging voor een videogesprek. De eerste deadline voor aanmeldingen is 15 juni. Je kunt je op dit moment alleen nog aanmelden voor semester 1.

Vakken

Semester 1

september/oktober november/december januari
Python voor Data Processing Data Pipelines Machine Learning Project
Machine learning 1 Machine learning 2
Python voor Data Processing

In dit vak zul je bekend raken met Python. Python is een programmeertaal die steeds meer gebruikt wordt voor data analyse door wetenschappers uit ieder wetenschapsveld. We zullen beginnen bij de basis van het programmeren, wat je zult leren terwijl je kleine problemen oplost uit verscheidene wetenschapsvelden. Daarna gaan we door met het verkennen van Python en programmeren in het algemeen, terwijl we wat grotere problemen en data sets aanpakken, en dus ook grotere programma’s schrijven.

Studiegids →

Introduction to Machine Learning 1

In dit vak zal je bekend raken met kunstmatige intelligentie en machine learning. Gedurende dit vak zullen we een aantal fundamentele machine learning algoritmen behandelen en deze vervolgens ook zelf bouwen. Dit is een breed introducerend vak, wat betekent dat we de wiskunde behandelen, hoofdzakelijk calculus en statistiek, die de drijvende kracht achter deze algoritmen is, maar ook de filosofische en maatschappelijk consequenties van lerende systemen zullen de revue passeren.

Studiegids →

Introduction to Machine Learning 2

In dit vak gaan we verder met het behandelen van modellen en algoritmen uit machine learning. Waar in Introduction to Machine Learning 1 de focus lag op het zelf programmeren van basale modelen, zullen we in dit vak meer gebruik maken van libraries voor de elementaire onderdelen en zal de focus voornamelijk liggen op hoe deze onderdelen te combineren tot complexere modelen. Deze complexere modellen zul je in je eigen code toepassen op echte data sets, waarbij we ook veelvoorkomende bewerkingen voor dergelijke data zullen behandelen.

Studiegids →

Data Pipelines

In dit vak leer je om je eigen pipeline te maken voor het verwerken van data. Een data pipeline is een sequentie van verwerkingstappen om van een ruwe data bron uiteindelijk tot bruikbare informatie te komen. We zullen veelvoorkomende stappen in een pipeline, zoals het vergaren, inlezen, transformeren, analyseren, en visualiseren van data, behandelen. Daarnaast zullen we specifiek kijken naar hoe machine learning algoritmen kunnen worden toegepast om deze stappen uit te breiden. We sluiten het vak af met een project waarbij je je eigen data pipeline ontwerpt en implementeert.

Studiegids →

Machine Learning Project

In dit vak zul je alle geleerde vaardigheden voor programmeren en data verwerking, en alle kennis van machine learning modellen en de toepassing daarvan, in een eindproject gaan implementeren. Voor dit project zul je met een team van studenten een maand lang aan een machine learning case werken, waarbij jullie itereren over alle aspecten van de case; van probleem analyse en data cleaning, tot het benchmarken van verschillende modellen tegen elkaar. Uiteindelijk beschrijf je de gehele oplossing, van initieel probleem tot eindproduct, in een verslag.

Studiegids →

Startdata

Het eerste semester loopt van 31 augustus t/m 29 januari, en het tweede semester loopt van 1 februari t/m 25 juni. Let op dat in het eerste semester geen herfstvakantie is. Een complete kalender van het academisch jaar 2020-2021 vind je hier.

Alternatieven

Heb je al meer programmeerervaring? Dan zijn er bij de UvA twee andere AI-minoren waar je aan mee kunt doen.

Minor Kunstmatige Intelligentie
(op maat samengesteld)

Stel een pakket samen uit de vakken van de bachelor Kunstmatige Intelligentie. Vakken zijn grotendeels in het Nederlands. Studenten van bijvoorbeeld Natuurkunde of Econometrie kunnen hier goed aansluiten door hun voorkennis van wiskundig modelleren en eventueel programmeren.

Meer informatie in de UvA-studiegids →
Minor Data Science and Artificial Intelligence

Je volgt een vast programma van minorvakken bij de faculteit Economie en Bedrijfskunde. De minor biedt een diepgaand overzicht van moderne toegepaste AI met speciale aandacht voor technieken uit de data science. Goede voorkennis van Python en statistiek is een vereiste.

Meer informatie in de UvA-studiegids →

Aanmelden

Om je aanmelding te starten voor de minor AI vul je eerst op deze website je gegevens in. Daarna start een selectie- en adviestraject. Als je geselecteerd wordt voor de minor dan helpen we je verder met de vakinschrijving.

Nu aanmelden

Vragen

Heb je nog vragen? Stuur een e-mail naar help@mprog.nl. Eén van de docenten of assistenten zal je te woord staan.

Copyright 2020 Martijn Stegeman / Universiteit van Amsterdam. Alle rechten voorbehouden. Icons made by Eucalyp from www.flaticon.com.