Het eindproject omvatte het verzamelen en analyseren van data van honderden Pokémon, het ontwikkelen van een slim aanbevelingssysteem om vergelijkbare Pokémon voor te stellen, het gebruik van genetische algoritmen om het beste “6-Pokémon battle team” samen te stellen én het trainen van een computer vision model dat automatisch Pokémon kan herkennen in afbeeldingen.
En daarbij - uit vrije wil - 1403 Pokémon objecten verzamelen en manueel labelen... alles voor het goede resultaat, enige nadeel: ik droom nu zelfs over Pokémon 😵💫
Hoewel Pokémon aanvankelijk - voor sommigen van ons ietwat ...ehum oudere studenten - buiten ons vertrouwde expertise-gebied lag, was dit precies de bedoeling van onze lector: ons uit onze comfortzone halen en leren verdiepen in nieuwe domeinkennis. Mocht u het nog niet weten: Pokémon is een, op z’n minst gezegd, interessant en verrassend diepgaand vakdomein.
AI evolueert razendsnel, dus voor ons is het belangrijk te blijven bijleren. Gelukkig doen de docenten en lectoren van Howest het nodige om de leerstof up-to-date te houden. Bij deze alvast een bijzondere dank-u-wel aan Gilles Depypere en het team van HOWEST University of Applied Sciences voor het organiseren van deze Masterclass!
De resultaten volgen over enkele weken, maar de kennis rond AI is alvast weer extra aangescherpt. Gotta catch ‘em all! 😉
