Academiejaar
2024-25
Komt voor in:
- Bachelor in de grafische en digitale media, trajectschijf 1
Keuzeoptie:
- Interactive Media Development
Dit is een enkelvoudig opleidingsonderdeel.
Studieomvang:
5 studiepunten
Omschrijving volgtijdelijkheid
Op dit opleidingsonderdeel is er geen volgtijdelijkheid van toepassing.
Totale studietijd: 137,50 uren
Mogelijke grensdata voor leerkrediet: 15.03.2025 (georganiseerd in semester 2)
Dit opleidingsonderdeel wordt gequoteerd op 20 (tot op een geheel getal).
Tweede examenkans: wel mogelijk.
Docenten: De Paepe Tim
Taalvak: Nee
Onderwijstalen: Nederlands
Kalender: Semester 2
Leerresultaten en -doelen (lijst)
| Code | Omschrijving | Niveau | Categorie |
| GDM/0364 | De student kan de fundamentele terminologie van neurale netwerken definiëren en toelichten. | Leerdoel Elementair | BS |
| GDM/0365 | De student kan basisvoorbeelden van transformer en diffuser modellen opsommen. | Leerdoel Elementair | BS |
| GDM/0366 | De student kent de basisfuncties van AI taalmodellen zoals bijv. samenvatten, vertalen en spraakherkenning. | Leerdoel Elementair | BS |
| GDM/0367 | De student kan de transformer architectuur uitleggen en deze relateren aan toepassingen in Natural Language Processing. | Leerdoel Verdiepend-Verbredend | BS |
| GDM/0368 | De student kan eenvoudige interacties ontwerpen met AI modellen voor geautomatiseerde taken (bijv. samenvatten, vertalen, spraakherkenning, etc.) | Leerdoel Verdiepend-Verbredend | BS |
| GDM/0369 | De student kan basistechnieken toepassen om transformer en diffuser modellen te finetunen voor specifieke doeleinden. | Leerdoel Verdiepend-Verbredend | BS |
| GDM/0370 | De student kan zelfstandig een LLM applicatie ontwerpen en ontwikkelen voor een specifieke toepassing | Leerdoel Verdiepend-Verbredend | BS |
| GDM/0371 | De student kan een interface bouwen met open source frameworks voor het testen en demonstreren van basis machine learning modellen. | Leerdoel Verdiepend-Verbredend | BS |
| GDM/0372 | De student kan basale AI-modellen toepassen voor objectherkenning in beperkte contexten. | Leerdoel Verdiepend-Verbredend | BS |
| GDM/0373 | De student kan technieken voor algemene media generatie (bijv. audio, video, afbeeldingen, …) toepassen. | Leerdoel Verdiepend-Verbredend | BS |
Omschrijving Inhoud
Deep Learning Fundamentals
- Je leert wat Deep Learning betekent binnen Artificiële Intelligentie en hoe neurale netwerken werken
Deep Learning Computer Vision met TensorFlow
- Je leert werken met OpenCV voor afbeelding manipulatie en object detectie
- Je leert een eigen classificatie systeem bouwen voor afbeeldingen met neurale netwerken via TensorFlow
- Je leert hoe je een getraind model kan gebruiken voor object herkenning
Deep Learning Natural Language Processing met TensorFlow
- Je leert hoe je tekst en taal patronen kan herkennen via Deep Learning met TensorFlow (Keras)
- Je leert hoe je een model traint met bestaande input
AI Tools
- Je leert welke actuele AI Tools er bestaan, hoe ze werken en met welke machine learning technieken ze werken.
- Je leert welke AI tools relevant zijn voor de grafische en multimediale sector, bijv. Dall-E, Synthesia,…
- Je leert welke API’s je kan gebruiken voor bijv. speech-to-text, vertalingen, …
- Je leert welke tools relevant zijn voor developers, bijv. GitHub Copilot, CodeWhisperer
- Je leert hoe je met prompt engineering een AI tool richting geeft om tot het meest gewenste resultaat te komen
Omschrijving Studiematerialen (lijst)
Omschrijving Onderwijsorganisatie (lijst)
Omschrijving Onderwijsorganisatie (tekst)
Zie Canvas. De onderwijs- en evaluatie-organisatie zal verlopen zoals op deze ECTS-fiches is vermeld, tenzij maatregelen moeten genomen worden ten gevolge van een pandemie en zodoende er andere onderwijs- en evaluatievormen zullen gehanteerd worden.
Omschrijving Evaluatie (lijst)
Evaluatie(s) voor de eerste examenkans
| Moment | Vorm | % | Opmerking |
| tweede examenperiode binnen examenrooster | Werkstuk | 50,00 | Mondelinge verdediging van werkstuk |
| tweede examenperiode buiten examenrooster | Werkstuk | 50,00 | |
Evaluatie(s) voor de tweede examenkans
| Moment | Vorm | % | Opmerking |
| derde examenperiode binnen examenrooster | Werkstuk | 100,00 | Mondelinge verdediging van werkstuk |
Omschrijving Evaluatie (tekst)
Bij te laat indienen van een opdracht, maar minder dan 24 uur na de deadline, wordt 1/3 van de punten afgetrokken. Na 24 uur te laat indienen, zal een nul worden toegekend voor deze opdracht.