Machine Learning

2. Machine Learning#

2.1. Leerdoelen#

  • Je weet wat machine learning is

  • Je weet de verschillende manieren van machine learning; supervised, unsupervised, reinforcement

  • Je weet wat een neural network is en hoe dat zich verhoudt tot het brein en machine learning

  • Je hebt een basis in logic; bijv. truth tables en weet waarom dit relevant is voor AI

  • Je kunt de programmeeromgeving installeren (jupyter notebook)

2.2. Voorbereiding#

2.2.1. Bekijk de video’s en beantwoord de bijbehorende vragen#

  1. Crash Course Supervised Learning (15 min)

    1. Wat is het verschil tussen supervised and unsupervised learning?

    2. Geef een voorbeeld van een supervisor in het dagelijks leven.

    3. Wat doet een bias in een perceptron?

    4. Wat doe je na het trainen om te kijken of dat de AI goed heeft geleerd?

  2. What is a Neural network (6 min)

    1. Worden de waardes van de weights aangepast tijdens forward propagation of backward propagation?

De volgende vragen en filmpjes zijn niet verplicht, maar als je tijd hebt dan zijn ze zeker interessant om te kijken! Ze leggen de twee andere vormen van machine learning uit.

  1. Crash Course Unsupervised Learning (12 min)

    1. Bij unsupervised clustering worden groepen gemaakt op basis van bepaalde kenmerken. Welke kenmerken kan je gebruiken om tennisballen van kerstballen te kunnen onderscheiden?

    2. Wat zijn de stappen van het k-means clustering algoritme?

    3. Wanneer gebruik je representation learning in plaats van bijvoorbeeld k-means clustering?

  2. Crash Course Reinforcement Learning (11 min)

    1. Waarom zou je reinforcement learning gebruiken in plaats van (un)supervised learning?

    2. Leg kort het verschil uit tussen exploitation en exploration.

2.3. Tijdens de les#

In deze les leggen we uit hoe we machines iets kunnen laten leren. Een groot deel van de les gaan jullie ook zelf aan de slag met een programmeeropdracht om je computer te leren om handgeschreven cijfers te herkennen. Ook helpen we je als je problemen hebt met het opzetten van de programmeeromgeving. Daarnaast gaan we de basis van de propositielogica behandelen en er zal tijd zijn om met je groepje aan het eindproject te werken.

Benodigde bestanden voor de programmeeropdracht:

Maak een kopie van onze Google Colab, zodat je het project kan aanpassen. Download de gegeven dataset en zet deze in je project. Je kan als volgt de dataset erin zetten:

  • Klik op het icoontje van een folder. (Aan de zijkant links).

  • Klik op het icoontje van een pagina met een pijltje (bovenaan links).

  • Selecteer de dataset die je zojuist hebt gedownload.

Je kunt nu beginnen met je opdracht.

2.4. Opdracht na de les#

Maak de programmeeropdracht van de les zo ver mogelijk af en beantwoord de reflectievragen van deze les in je portfolio.

Inhoud