Détails
- 3 Sections
- 9 Lessons
- 3 Days
Expand all sectionsCollapse all sections
- Dag 1: Introductie tot Geautomatiseerde Besluitvorming en Business Rules Engines (7 uur)3
- 1.1Wat is geautomatiseerde besluitvorming? (2 uur) Verschil tussen traditionele IT-besluitvorming en AI-gedreven beslissingen. Use cases: fraudedetectie, kredietbeoordeling, supply chain-optimalisatie. Praktijk: Analyse van bedrijfsprocessen waar geautomatiseerde besluitvorming voordelen biedt.
- 1.2Business Rules Engines: Concepten en Architectuur (3 uur) Basisprincipes van regelgebaseerde systemen. Overzicht van populaire tools: Drools, IBM ODM, Red Hat Decision Manager. Praktijk: Opzetten van een basisregelsysteem met Drools.
- 1.3Integratie van AI met Business Rules Engines (2 uur) Hoe AI modellen regelsystemen kunnen aanvullen. Beslissingsbomen, probabilistische modellen en rule-based AI. Praktijk: Een eenvoudig AI-model koppelen aan een Business Rules Engine.
- Dag 2: Implementatie en Optimalisatie van Regelgebaseerde Besluitvorming (7 uur)3
- 2.1Werken met Drools en IBM Operational Decision Manager (ODM) (3 uur) Modelleren van complexe bedrijfsregels in Drools en IBM ODM. Testen en optimaliseren van regelgebaseerde systemen. Praktijk: Een regelgebaseerd besluitvormingssysteem implementeren in Drools.
- 2.2AI en Machine Learning voor Dynamische Besluitvorming (2 uur) AI-algoritmes zoals random forests en reinforcement learning gebruiken binnen regelsystemen. Automatische regelsuggesties met machine learning. Praktijk: Een ML-model trainen dat zakelijke beslissingen ondersteunt binnen een Business Rules Engine.
- 2.3Integratie van Business Rules Engines met IT-systemen en API’s (2 uur) Hoe Decision Engines koppelen met ERP, CRM en workflow tools. REST API’s en microservices voor rule-based decision making. Praktijk: Een API implementeren die een beslissingsregel uitvoert op basis van externe input.
- Dag 3: Geavanceerde Automatisering en Toekomstige Ontwikkelingen (7 uur)3
- 3.1Real-time en Event-Driven Decision Making (3 uur) Implementeren van event-driven decision systems met Kafka en streaming data. Werken met low-latency decision making in high-performance omgevingen. Praktijk: Een real-time beslissingsengine bouwen voor een financiële toepassing.
- 3.2Beveiliging en Compliance in Automatische Besluitvorming (2 uur) Ethiek en bias in AI-gestuurde beslissingen. GDPR, explainable AI (XAI) en transparantie van automatische beslissingen. Praktijk: Evalueren van een geautomatiseerd besluitvormingssysteem op bias en compliance.
- 3.3Case Study en Afsluiting (2 uur) Werken met real-world datasets uit finance, retail of logistiek. Praktijk: Deelnemers presenteren een geautomatiseerde besluitvormingsoplossing voor hun sector.
Beveiliging en Compliance in Automatische Besluitvorming (2 uur) Ethiek en bias in AI-gestuurde beslissingen. GDPR, explainable AI (XAI) en transparantie van automatische beslissingen. Praktijk: Evalueren van een geautomatiseerd besluitvormingssysteem op bias en compliance.
Préc.
