AIUnlimited
🌳

AI-Fundamenten

🌱
AI Seeds

Begin bij nul

🌿
AI Sprouts

Bouw een fundament

🌳
AI Branches

Pas toe in de praktijk

🏕️
AI Canopy

Ga de diepte in

🌲
AI Forest

Beheers AI

🔨

AI-Meesterschap

✏️
AI Sketch

Begin bij nul

🪨
AI Chisel

Bouw een fundament

⚒️
AI Craft

Pas toe in de praktijk

💎
AI Polish

Ga de diepte in

🏆
AI Masterpiece

Beheers AI

📘

AI Praktijk

📖
Open-source modellen begrijpen

Fundamenten en bronnen voor open-source modellen

🎯
Van probleem naar modeltaak

Bedrijfsproblemen omzetten in modeltaken

⚡
Uw eerste model uitvoeren

Zie uw eerste resultaten in 30 minuten

🔧
Fijntuning en evaluatie

Modellen fijntunen en prestaties evalueren

🚀
Applicatiesystemen

Bouw echte AI-toepassingen

🎨
Generatieve AI

Verken open-source AIGC-modellen

🤖
Agents

Leer Agent-frameworks en MCP-tools

📐
Aanvullende fundamenten

LLM-basis en evaluatie

🎓

Claude Academie

🤖
Claude 101

Learn AI basics with Claude

💻
Claude Code 101

Code with Claude as your pair programmer

🤝
Introduction to Claude Cowork

Collaborate with Claude on complex projects

⚙️
Claude Platform 101

Build apps with the Claude API

Lab

7 experimenten geladen
🧬Neuraal Netwerk Sandbox🤖AI of Mens?🥋Prompt Engineering Dojo🏁Algoritme-race🧠AI-triviant🏗️Systeemontwerp Canvas
🎯Proef-sollicitatieGa naar het lab→
🚀

Carrièreontwikkeling

🚀
Interview Startplatform

Start je reis

🌟
Gedragsinterview Meesterschap

Beheers soft skills

💻
Technische Interviews

Slaag voor de codeerronde

🤖
AI- & ML-interviews

ML-interview meesterschap

🏆
Aanbod & verder

Bemachtig het beste aanbod

Begin met leren
AIUnlimited

MIT-licentie.

沪ICP备18025655号-11

Leren

  • AI-basis
  • AI Praktijk
  • Claude Academie
  • Lab
  • Carrièreontwikkeling

Community

  • Over ons
  • FAQ

Ondersteuning

  • footer.terms
  • footer.privacy
  • footer.contact
🌿 Niveau 2

AI Sprouts

Bouw je AI-fundament

Klaar om te groeien? Duik in de bouwstenen van AI - data, algoritmen en neurale netwerken. Praktische oefeningen helpen je intuïtie op te bouwen voordat je code schrijft.

16
Lessen
~4h
Duur
2/5
Niveau

🎯 Wat je leert

  • ✓Onderscheid maken tussen begeleid, onbegeleid en versterkend leren
  • ✓Begrijpen wat trainingsdata is en waarom het belangrijk is
  • ✓Kritisch nadenken over AI-vooroordelen en eerlijkheid

Voorvereisten: AI Seeds (aanbevolen)

👤 programDetail.whoIsThisFor

Leerlingen die AI Seeds hebben afgerond of basiskennis van AI hebben

🏷️ programDetail.topicsCovered

Soorten AIData begrijpenHoe AI beslistAI-ethiek - de basis
🧪

programDetail.tryExperiments

Test cursusinhoud in een experimentele omgeving

→

📚 Lessen

1
📊

Hoe data AI aandrijft

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

⏱️ 25m→
2
🧮

Algoritmen uitgelegd

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

⏱️ 30m→
3
Begin eerste les →

🔒 Log in om je voortgang bij te houden en certificaten te verdienen

← Terug naar alle opleidingen
🧠

Introductie neurale netwerken

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

⏱️ 35m→
4
🏋️

AI-modellen trainen

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

⏱️ 15m→
5
⚖️

AI-ethiek en vooroordelen

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

⏱️ 15m→
6
⛓️

Backpropagation

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

⏱️ 16m→
7
📉

Verliesfuncties en optimizers

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

⏱️ 15m→
8
🔤

Tokenisatie

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

⏱️ 14m→
9
🧭

Embeddings en vectordatabases

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

⏱️ 16m→
10
📊

Evaluatiemetrieken

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

⏱️ 15m→
11
🔤

Grote taalmodellen begrijpen

Hoe GPT, Claude en andere LLM's onder de motorkap werken

⏱️ 15m→
12
📉

Overfitting en underfitting: waarom ML-modellen falen

Begrijp de twee meest voorkomende faalmodi van machine learning – overfitting en underfitting – met duidelijke voorbeelden en hoe u deze kunt oplossen.

⏱️ 25m→
13
⚙️

Feature Engineering: machines leren wat belangrijk is

Ontdek hoe feature-engineering ruwe data omzet in krachtige machine learning-inputs: de vaardigheid die goede modellen van geweldige modellen onderscheidt.

⏱️ 30m→
14
🔀

Supervised vs unsupervised learning: belangrijkste verschillen uitgelegd

Een duidelijke vergelijking van machinaal leren onder toezicht en zonder toezicht – wanneer elke aanpak moet worden gebruikt, met praktijkvoorbeelden en algoritmen.

⏱️ 25m→
15
🌳

Beslisbomen: het algoritme dat je op papier kunt tekenen

Ontdek hoe beslissingsbomen werken, waarom ze een van de meest intuïtieve ML-algoritmen zijn en wanneer u ze kunt gebruiken.

⏱️ 25m→
16
🔵

Clustering: hoe AI patronen vindt zonder labels

Begrijp clustering – een belangrijke leertechniek zonder toezicht – via K-Means, hiërarchische clustering en toepassingen uit de echte wereld.

⏱️ 25m→