6 ECTS credits
168 u studietijd
Aanbieding 1 met studiegidsnummer 1024251ANR voor alle studenten in het 1e semester met een inleidend bachelor niveau.
Dit vak behandelt Bayesiaanse methoden, ofwel data-gebaseerde methoden die rechtstreeks statistische analyse van de data doen. Deze technieken maken hiervoor gebruik van het theorema van Bayes om a priori kennis te combineren met observaties (i.e., datapunten) uit de werkelijkheid. Om een goed begrip van deze technieken te krijgen, bouwen we de basisconcepten zorvuldig op (i.e., prior, likelihood, integratie binnen de noemer, posterior, theorema van Bayes en inferentie). Vanuit deze basisconcepten, bekijken we ook geavanceerde concepten zoals conjugate priors en Jeffreys priors, en bestuderen we methodes om de kwaliteit van modellen te beschrijven. Van daaruit zetten we de stap naar Markov Chain Monte Carlo, hetgeen we zowel formeel, intuitief, praktisch als theoretisch (aan de hand van een bewijs) benaderen. Uiteindelijk sluiten we af met geavanceerde Bayesiaanse technieken, inclusief Bayesian Networks, Bayesian hierarchische modellen en Bayesian lineaire regressie.
Tijdens 12 lesweken worden theoretische en praktische aspecten gedoceerd (HOC) en verwerkt in oefenzittingen (WPO). Tijdens deze oefenzittingen krijgt de student de mogelijkheid om theorie in te oefenen en ervaring op te doen met het programmeren van Bayesiaanse algoritmes en analyses. De programmeeroefeningen en het project gebeuren in python, dus voorkennis van deze programmeertaal wordt verwacht.
De beoordeling bestaat uit volgende opdrachtcategorieën:
Examen Praktijk bepaalt 50% van het eindcijfer
Examen Andere bepaalt 50% van het eindcijfer
Binnen de categorie Examen Praktijk dient men volgende opdrachten af te werken:
Binnen de categorie Examen Andere dient men volgende opdrachten af te werken:
Schriftelijk examen: 50% van de totale score
Projectwerk: 50% van de totale score
Het projectwerk betreft een opdracht waar de studenten individueel een ontwerp -en programmeeropdracht uitwerken. De studenten zullen een Python notebook inleveren en hun werk presenteren. Tijdens deze presentatie zal het onderwijsteam ook vragen stellen om het goede begrip van de behandelde methodes en technieken na te gaan.
Om deel te kunnen nemen aan het schriftelijk examen dient de student zich te registreren voor het projectwerk. Om een voldoende te halen dient de student te slagen op beide onderdelen: indien dit niet het geval is krijgt de student een totaalscore die overeenkomt met de laagst behaalde score. Indien er een onvoldoende wordt behaald op het schriftelijk examen, maar de student slaagt op het projectwerk, kan de score van het projectwerk worden overgedragen naar de tweede zittijd.
Het gebruik van Generatieve AI (genAI) is strikt beperkt tot het verbeteren van de helderheid en leesbaarheid van je schriftelijk werk. Het mag worden gebruikt voor grammaticale correcties, het herstructureren van zinnen en het verbeteren van de tekststructuur. GenAI mag echter niet worden gebruikt om ideeën te genereren, projectonderdelen te conceptualiseren of om delen van de vereiste code te schrijven. Al het projectwerk moet je eigen originele denkproces en probleemoplossend vermogen weerspiegelen. Elk ongeoorloofd gebruik van genAI buiten deze beperkingen wordt beschouwd als een schending van de academische integriteit. Indien genAI wordt gebruikt, moet dit worden aangegeven.
Deze aanbieding maakt deel uit van de volgende studieplannen:
Bachelor in de artificiële intelligentie: Standaard traject