Introduction Artificial Intelligence (AI) and Machine Learning

Nederlands:

Deze training is vooral interessant voor business managers, IT managers, architecten en designers, DevOps engineers en IT specialisten.

====

English:

Target audience for this training are Business and IT managers, DevOps Engineers, architects, designers and IT specialists.

Nederlands:

Na het volgen van deze training heeft u de nodige basiskennis van Machine Learning en weet u welke middelen beschikbaar zijn om direct met een Machine Learning project te starten. Bovendien worden referenties (boeken, trainingen, online resources) geboden zodat u zich verder kan verdiepen in Machine Learning.

==========

English:

After attending this training, you will know the basic principles of Machine Learning and you will know the tools to start with a Machine Learning project right away. Furthermore, you will get references (books, courses, online resources) to delve into the Machine Learning methods.

Nederlands:

• Wat is AI en Machine Learning?
• Geschiedenis van AI en Machine Learning
• Terminologie AI en Machine Learning (Deep learning, General AI, Narrow AI, Singularity etc. etc)
• Waarom juist nu: de 7 “key enablers”
• De relatie tussen Big Data, IoT en AI/Machine Learning
• Basiskennis Data Science
• De potentie van AI en Machine Learning
• Basistechnieken voor Machine Learning (supervised, unsupervised etc.)
• Welke code libraries zijn beschikbaar voor de verschillende Machine Learning technieken
• Welke tools zijn beschikbaar voor Machine Learning
• Praktijkvoorbeelden van Machine Learning
• Hoe kan ik Machine Learning toepassen in mijn organisatie
• Risico’s en ethiek van AI en Machine Learning
• Resources for learning

===============

English:

• What is AI and Machine Learning?
• History and fundamentals of AI and Machine Learning
• Terminology AI and Machine Learning (Deep learning, General AI, Narrow AI, Singularity etc. etc)
• Why now: the 7 key enablers
• The relationship Big Data, IoT and AI/Machine Learning
• Data Science fundamentals
• The potential of AI and Machine Learning
• Basic Machine Learning techniques (supervised, unsupervised etc.)
• Which code libraries are available for the different Machine Learning techniques
• Which tools are available for Machine Learning
• Practical examples of Machine Learning
• How to start a Machine Learning project in your organization
• Risks and ethics of AI and Machine Learning
• Resources for learning
  

Nederlands:

Er is geen voorkennis vereist voor deze training.

=============

English:

No prerequisites are required for this training.

Nederlands:

Voor zowel business als IT is Machine Learning misschien wel de meest spannende en innovatieve ontwikkeling van het moment. Deze training van een halve dag (4 uur)  is een kickstart voor iedereen die wil beginnen met Machine Learning. U leert waarom het juist nu gemakkelijk is te beginnen met Machine Learning.

In deze training leert u de basis principes van Machine Learning en Data Science. U leert welke tools en middelen beschikbaar zijn waardoor u of uw medewerkers direct aan de slag kunnen.

Jaren was Machine Learning alleen weggelegd voor specialisten vanbijvoorbeeld Harvard. Er was een enorme investering nodig om te starten met een Machine Learning project, in kennis en in hardware. Nu zijn de complexe algoritmes beschikbaar in breed verspreide specificaties (code libraries) en er zijn gebruikersvriendelijke (grafische/visuele interfaces) tools beschikbaar in de cloud. Bijvoorbeeld Azure Machine Learning(ML), AWS Sagemaker, IBM Watson etc.

Innovatie is de drijfveer voor een succesvolle onderneming. Steeds meer bedrijven kunnen nieuwe markten aanboren door slim gebruik te maken van de data en informatie die verborgen zit in de organisatie. Denk aan een bedrijf als Lely die begon met agrarische automatisering (mest robots etc.) en zich vervolgens realiseerde dat de data die de machines verzamelden een enorme meerwaarde kunnen bieden. Of een bedrijf als Lufthansa die nu zijn data (verzameld in de lucht) verkoopt aan weerstations…

In IT is “adaptive” het buzzword.
Of het nu gaat om het wapenen tegen geavanceerde bedreigingen (Advanced Persistent Threat, APT) of het beheer van honderden applicaties (Microservices en containers als Docker), een dynamische oplossing (denk aan UEBA of Self Healing) is meer een noodzaak dan een deugd.

Door de IoT is de hoeveelheid beschikbare data enorm toegenomen en dat zal de komende jaren alleen maar verder toenemen. Gecombineerd met goedkope storage in de Cloud, gebruikersvriendelijke tools en IT specialisten die in korte tijd opgeleid kunnen worden is nu het moment te beginnen met Machine Learning, voordat de concurrentie u te snel af is.

==============================

English:

Machine Learning is one of the most exciting and innovative technologies for your business and IT department.
This training of a half day (4 hours) is a kick-start for everybody who wants to start with Machine Learning. You will learn why now is the time to start with Machine Learning.

In this training you will learn the principles of Machine Learning and Data Science. You will learn about the means and tools available which enable you or your employees to start right away.

For years Machine Learning was the domain for specialists from for example Harvard or Oxford. A huge investment was needed to start with a Machine Learning project, in hardware and knowledge. Now complex algorithms are widely available (code libraries) as well as user friendly (graphical) tools in the cloud. For example, Azure Machine Learning (ML), AWS Sagemaker, IBM Watson etc.

Innovation is a major driver for every business. More and more companies discover new markets using the data hidden in the organization. Think of a company like Lely who started with agricultural automation (manure robots etc.), but realized the data gathered by their robots offered new opportunities. Or a company like Lufthansa who now sells data gathered with their airplanes to
meteorological companies.

In IT “adaptive” is the buzzword.
If you think of the speed new advanced threats (APT) arise or if you think about operational management of hundreds of applications (Microservices and containers like Docker), a dynamic, adaptive solution is more a necessity than a virtue.

The IoT produces a huge amount of data and the amount of data will only increase in future. This combined with cheap storage, user friendly tools in the Cloud and the possibility to educate your specialists in a short timeframe, offers you the opportunity to start now with Machine Learning and stay one step ahead of your competitors.