Lessen

Ontdek wat data werkelijk is, hoe AI het gebruikt om te leren, waarom datakwaliteit belangrijk is, en verken echte datasets.

Leer wat algoritmen zijn door alledaagse analogieën, en verken beslisbomen, K-nearest neighbors en lineaire regressie.

Verken hoe kunstmatige neurale netwerken werken - van biologische neuronen tot lagen, activatiefuncties, forward propagation en backpropagation.

Begrijp de trainingslus, verliesfuncties, overfitting en hoe je weet wanneer je AI-model klaar is.

Ontdek hoe bias AI-systemen binnendringt, welke ethische uitdagingen AI met zich meebrengt, en hoe we eerlijkere technologie kunnen bouwen.

Begrijp hoe neurale netwerken leren door fouten terug te propageren door de lagen, met behulp van de kettingregel om elk gewicht bij te werken.

Ontdek hoe verliesfuncties de fouten van een model meten en hoe optimalisatoren gradiënten gebruiken om deze systematisch te verminderen.

Leer hoe taalmodellen tekst opdelen in tokens met BPE en andere algoritmen, en waarom tokenisatie alles beïnvloedt, van kosten tot mogelijkheden.

Ontdek hoe AI woorden en zinnen representeert als vectoren in een hoogdimensionale ruimte, waardoor semantisch zoeken, aanbevelingen en RAG mogelijk worden.

Leer waarom nauwkeurigheid alleen misleidend is, en beheers de metrieken - precisie, recall, F1, ROC-AUC, BLEU en perplexiteit - die AI-prestaties écht meten.

How GPT, Claude and other LLMs work under the hood

Understand the two most common machine learning failure modes — overfitting and underfitting — with clear examples and how to fix them.

Learn how feature engineering transforms raw data into powerful machine learning inputs — the skill that separates good models from great ones.

A clear comparison of supervised and unsupervised machine learning — when to use each approach, with real-world examples and algorithms.

Learn how decision trees work, why they're one of the most intuitive ML algorithms, and when to use them.

Understand clustering — a key unsupervised learning technique — through K-Means, hierarchical clustering, and real-world applications.