Van weersvoorspelling tot pandemieën: Hoe Markov-ketens de wereld modelleren

Begeleider
Martijn Boussé (Begeleiding in het Nederlands of Engels)

Introductie
Hoe verspreidt een ziekte zich? Hoe veranderen migratiepatronen? Hoe kiest een spraakassistent het volgende woord? Hoewel verschillend, kunnen deze processen allemaal worden gemodelleerd met Markov-ketens, een krachtig hulpmiddel binnen kansrekening en lineaire algebra. Ze worden gebruikt in machine learning, weersvoorspellingen, zoekmachines en zelfs in duurzaamheidsmodellen. Markov-ketens spelen een grote rol in Data Science, AI en Computer Science. Ben je geïnteresseerd in technologie en wiskunde met impact? Dan is dit profielwerkstuk iets voor jou!

Je gaat zelf een Markov-model ontwikkelen voor een realistisch probleem, zoals virusuitbraken, verkeersstromen of economie. Je leert hoe Markov-ketens werken en analyseert ze met lineaire algebra. Je bouwt een simulatie in Python, Matlab, of Excel en onderzoekt de voorspellende kracht van je model. Wat gebeurt er op de lange termijn? Hoe gevoelig is je model? Je presenteert je resultaten en krijgt een voorproefje van BSc Data Science & AI, BSc Computer Science of BSc Circular Engineering!

Op te leveren
Een theoretische uitleg van Markov-ketens en hun toepassingen.

• Een implementatie van een Markov-model in Python, Matlab, of Excel, waarbij je een toepassingsgebied kiest.
• Een analyse waarin je onderzoekt hoe goed jouw model werkt en welke beperkingen het heeft.
• Een eindrapport waarin je jouw resultaten presenteert en uitlegt hoe Markov-ketens in de praktijk worden gebruikt.

Bronnen

• YouTube: The real-life applications of Markov Chains
• Wikipedia over Markov-ketens

Geïnteresseerd of heb je vragen? Stuur een mail

Lesgeven met behulp van AI

Begeleider
Martijn Boussé

Introductie
Hoe kunnen we AI-taalmodellen, zoals ChatGPT, gebruiken om de leerervaring van studenten te verbeteren? Het klaslokaal verandert en studenten leren niet langer alleen van een leraar voor de klas, uit boeken of na het invullen van oefenboekjes. Leren kan (veel) actiever zijn en kan worden verbeterd door recente AI-tools. Het doel van deze opdracht is om nieuwe manieren te bedenken om taalmodellen buiten de klas te gebruiken om de leerervaring te verbeteren. Studenten kunnen nieuwe interactieve en door AI ondersteunde formats, opdrachten of studietechnieken voorstellen. Op deze manier leren studenten over recente taalmodellen, hun mogelijkheden en beperkingen, en hoe ze op de juiste manier kunnen worden gebruikt voor leren buiten het klaslokaal.

Op te leveren
In de beginfase analyseren studenten bestaande leer- en onderwijsopzetten en identificeren mogelijke verbeterpunten met behulp van taalmodellen. Om dit te doen, zullen ze de literatuur verkennen, experts aan de universiteit interviewen, studenten enquêteren, docenten observeren, enz. Vervolgens zullen ze een nieuw AI-ondersteund leer- en/of onderwijsopzet voorstellen met een concreet implementatieplan. Ze passen hun opzet toe in hun eigen onderwijs en vatten de resultaten samen in een rapport, waarin ze onderzoeksvragen stellen en deze op wetenschappelijke wijze beantwoorden. Het rapport moet hun keuzes duidelijk motiveren.

Bronnen
https://onderwijscommunity.nl/artikelen/chatgpt-ai-in-het-onderwijs/

Geïnteresseerd of heb je vragen? Stuur een mail

“Ik heb gelijk”: hoe overtuig ik iemand?

Supervisor
Tjitze Rienstra, Nico Roos

Introduction
Argumentatie is een belangrijk onderzoeksgebied in Artificial Intelligence dat brede toepassingen heeft buiten de AI. Op veel plaatsen wordt argumentatie gebruikt om geschillen op te lossen. Denk bijvoorbeeld aan de rechtspraak, het parlement (in het ideale geval), projectgroepen, enz. Door partijen worden argumenten en tegenargumenten aangedragen. Binnen de AI beschrijven we dit d.m.v. een aanvalsrelatie tussen argumenten. Op grond van deze aanvalsrelatie kunnen we beslissen wat (mogelijk) winnende argumenten zijn. De inhoud van de argumenten blijkt daarvoor niet langer van belang te zijn. 

Het doel van deze opdracht is het bouwen van een systeem waarmee we argument kunnen invoeren en vervolgens de aanvalsrelatie tussen de argumenten kunnen aangeven. Vervolgens moet het systeem (mogelijk) winnende argument presenteren als ook aangeven waarom dit winnende argumenten zijn. Verder kan men onderzoeken of AI language models, zoals ChatGPT, de aanvalsrelatie tussen argumenten kan identificeren. Hierbij is de inhoud van de argumenten wel van belang.

Deliverables
In de initiële fase bekijken de deelnemers de theorie van “abstract argumentation frameworks” en specifiek de ‘labeling approach’ voor het evalueren van argumenten. Vervolgens realiseert men een systeem waarmee argumenten ingevoerd kunnen worden en de aanvalsrelatie tussen argumenten gespecificeerd kan worden. Tot slot wordt het algoritme voor het evalueren van argument gerealiseerd. Parallel hieraan wordt bekeken of AI language models de aanvalsrelatie tussen argumenten kan identificeren.

Sources

• Dung, P.M.: On the acceptability of arguments and its fundamental role in nonmonotonic reasoning, logic programming and n-person games. Artificial Intelligence 77, 321–357 (1995)
• Diehl, D.J.S.: Labellings and their algorithms for Abstract Argumentation Framework Semantics, Bachelor Thesis Artificial Intelligence, Universiteit Utrecht.

Geïnteresseerd of heb je vragen? Stuur een mail

Can a machine tell a funny joke?

Supervisor
Dr. Aki Härmä (Supervision in English only.)

Introduction
How can we use large language models, such as ChatGPT, come up with a joke that is actually funny and novel? Can you prompt GPT to generate actually surprising and even inappropriate jokes? Can GPT predict how many people out of ten finds a joke funny and can we test if it is correct? 

Deliverables
In the initial phase, it is good to look into the literature about jokes and AI-generated jokes in particular, see [1]. What humor actually is and what makes a good joke [2]? Next, perform a series of experiments using OpenAI GPT-3.5/4, or any other model, using a selection of prompts to generate a collection of AI-generated jokes. Score the jokes with a panel of students by the funniness on scale 0-5. Ask GPT to score the same jokes on the same scale and analyze the differences between the humans and machine. Next, can you improve the prompts so that the model produces better jokes? Can you also make it generate jokes that are inappropriate in one way or another? Finally, summarize the results in a report. The work can be done in English or Dutch.

Sources

• [2306.04563] ChatGPT is fun, but it is not funny! Humor is still challenging Large Language Models (arxiv.org)
• Humour - Wikipedia

Geïnteresseerd of heb je vragen? Stuur een mail

Een computermodel van ons zonnestelsel

De aarde, en de andere planeten draaien om de zon in een ellipsvormige baan – de aarde doet er ongeveer een jaar over om een rondje vol te maken. Die beweging wordt beschreven door de wetten van Kepler, en wordt verklaard door de wetten van Newton: De universele zwaartekrachtswet beschrijft de aantrekkingskracht tussen planeten en de zon, en de tweede wet linkt kracht en beweging.

In dit project maak je een computersimulatie van ons zonnestelsel: je toont hoe deze beide grondwetten van de fysica tot de elliptische banen van de planeten in ons zonnestelsel leiden. In je model kan je dan de baan van een satelliet of komeet berekenen, of een botsing tussen planeten simuleren, enz. 

Download de hele profielwerkstukbeschrijving

Geïnteresseerd of heb je vragen? Stuur een mail

Game Theory in the Classroom

Supervisor
Gijs Schoenmakers (Supervision in Dutch or English)

Introduction
Game Theory is the research field that describes and analyzes situations where two or more people, who may or may not have conflicting interests, make strategic decisions and where everyone tries to maximize their own outcome. Such a situation is called a game.

The goal of this assignment is to help the classmates of the students increase their ability to think and act strategically, by having them play some game theoretic games. The students involved in this project should host these games and be able to explain to the classmates what they did right and wrong during the game play.

Deliverables
The project consists of two phases. In the initial phase, the students perform a study to get a grasp of basic game theoretic concepts like rationality, common knowledge, best replies, and equilibrium. The students should be able to solve basic game theory problems by the end of this phase.

During phase 2, the students go on a search for interesting games (from a game theoretic perspective) for their fellow classmates to play, or create some themselves. At the end of the project, the students let their classmates play these games, and explain what it is that they did right or wrong during the play of these games. 

The results will be summarized in a report where they pose research questions and answer them in a scientific way. The report should clearly motivate their choices.

Sources

• https://didactiefonline.nl/artikel/speltheorie-in-jip-en-janneke-taal-kinderspel-of-niet

Geïnteresseerd of heb je vragen? Stuur een mail

Treat signals with care

Supervisor
Pietro Bonizzi (Supervision in English only)

Introduction
Signals are everywhere around us. The chirp of a bird, the music we listen to, the signals that our smart phones receive and send to allow us communicate with one another. A signal can be viewed as a “carrier of information”. In order to listen to music through our smart phones, or to be able to analyze a signal (like a gravitational wave) with a computer, we need first to transform a signal into a finite sequence of values. This is called signal digitalization, or signal sampling. This transformation must be performed properly, so that the characteristics of the original signal are preserved. Otherwise, an improper sampling can generate “aliasing”, which means that the signal’s properties have been altered. For instance, a music piece that eventually does not sounds “right”.

Deliverables
In the initial phase, students become familiar with what signals are, and how signals can be converted to sequences of values that can be stored into an electronic device, like a computer. Next, student will try to understand under what conditions a signal can be digitalized properly, and what is the impact of an incorrect digitalization of a signal. Next, the students will design a simple app or graphic user interface to explain the concept of signal sampling to laymen, and allow people to play with simple toy examples.

Students run their format in their own classroom and summarize the results in a report where they pose research questions and answer them in a scientific way. The report should clearly motivate their choices.

Sources

• https://www.youtube.com/watch?v=IZJQXlbm2dU

Geïnteresseerd of heb je vragen? Stuur een mail

What can genes tell us?

Supervisor
Rachel Cavill (Supervision in English only)

Introduction
Biology is transforming into a science of BIG data.  One of the easiest datatypes we measure is the expression of genes.  Naively, each gene codes for one protein and the more a gene is expressed, the more of that protein will be made (in reality it’s a lot more complicated that this!).  There are thousands of public gene expression datasets.  In this project, we will pick a disease that interests you, find a relevant dataset and explore it using data science and machine learning.

Deliverables
You will be introduced to different data science tools for exploring data.  Depending on their interests, these can either be web-based/ point and click applications, or we can explore writing programming code to do the analysis. 

We will find a relevant dataset for the disease of interest.

We will look at what the biggest differences (changes in gene expression levels) between the samples are using different data science methods to visualize our data.

We will look at what the differences are between samples from sick people and healthy people. Can we predict who is sick from their gene expression?

We will look at which biological processes the genes that change are involved in and explore how this relates to what is already known about the disease.

Sources

Databases with datasets (not easy to use without an expert!):

• https://www.ncbi.nlm.nih.gov/gds
• https://www.ebi.ac.uk/biostudies/arrayexpress

Geïnteresseerd of heb je vragen? Stuur een mail

PLA Bioplastics

Begeleider
Jules Harings

Introductie
PLA is een afkorting voor de Engelse naam van dit materiaal; Poly Lactic Acid. In de Nederlandse taal is het polymelkzuur. “Poly” in het Griekse woord voor “veel”. In dit geval veel melkzuur moleculen, die door scheikundigen aan elkaar gekoppeld worden. Zo ontstaan zeer lange, in elkaar verstrikte moleculen. Hierdoor heeft het materiaal een mooie balans in eigenschappen. Het is sterk, maar ook elastisch, en het kan bij opwarmen vervormd worden in de gesmolten (vloeibare) toestand. Net als een plastic. Maar, in dit geval zijn de aan elkaar regeren bouwstenen (melkzuur) niet gemaakt uit fossiele grondstoffen zoals als aardolie, maar op basis van natuurlijke grondstoffen. 

Op te leveren
Er bestaan meerdere polyesters zoals PLA, maar waarom worden deze bioplastics niet massaal ingezet? Waar zit nu echt de winst? Dat ga jij onderzoeken.

Bronnen
Download onderwerpbeschrijving

Geïnteresseerd of heb je vragen? Stuur een mail

Lasers in de Einstein Telescope

Een laser-interferometer is een instrument dat de basis vormt voor de Einstein Telescope. In je profielwerkstuk onderzoek je hoe je met een laser afstanden meet en hoe je dit kunt toepassen in de Einstein Telescope. Je bouwt zelf een interferometer en doet metingen met verschillende kleuren lasers. Je kunt hierbij gebruikmaken van de faciliteiten van ETEC.

Aansluiting bij schoolvakken: Natuurkunde, wiskunde, techniek

Geïnteresseerd of heb je vragen? Stuur een mail

Trillingen in relatie tot de Einstein Telescope

De zwaartekrachtgolven die de Einstein Telescope gaat meten zijn zo klein dat iedere trilling in de omgeving het signaal kan verstoren. Het is daarom van belang dat alle instrumenten trillingsvrij in de telescoop hangen. Je onderzoekt hoe je trillingen en golven met behulp van een massa-veersysteem zichtbaar kunt maken. Met die informatie kun je uitzoeken hoe een massa-veersysteem voor de Einstein Telescope eruit moet zien waarmee je de onderdelen van de Einstein Telescope trillingsvrij kunt op hangen. Je doet metingen om je systeem te optimaliseren. 

Aansluiting bij schoolvakken: Natuurkunde, wiskunde, techniek

Geïnteresseerd of heb je vragen? Stuur een mail

Welke bodem is geschikt voor de bouw van de Einstein Telescope (Geofysica)

Met experimenten krijg je een beeld van waarom de bodem in Limburg zo geschikt is voor een telescoop voor zwaartekrachtgolven. Je kunt onderzoeken hoe het geluid zich in verschillende materialen voortplant. Dit is afhankelijk van de dichtheid van de materialen. In dit profielwerkstuk onderzoek je hoe je de eigenschappen van grondlagen kunt nabootsen. Je gaat dit onderzoek zelf uitvoeren en je resultaten wetenschappelijk onderbouwen. 

Aansluiting bij schoolvakken: Natuurkunde, wiskunde, aardrijkskunde

Geïnteresseerd of heb je vragen? Stuur een mail

Data Science

Telescopen voor zwaartekrachtgolven verzamelen veel signalen uit de ruimte. Voor dit profielwerkstuk ga je aan de slag met de echte signalen van zo’n telescoop. Met hulp analyseer je de data en probeer je te achterhalen waar in het heelal de zwaartekrachtgolf vandaan komt. Tijdens de workshop wordt veel van de wiskunde ‘achter de schermen’ gedaan. Aan jou de taak om voor je profielwerkstuk op zoek gaan naar verbeteringen van het huidige data-analyse proces met behulp van de wiskunde hierachter.

Aansluiting bij schoolvakken: Wiskunde, Natuurkunde

Geïnteresseerd of heb je vragen? Stuur een mail