Vandaag de dag is een wereld zonder GPS amper nog voor te stellen. Deze technologie maakte het mogelijk om verschillende outdoor toepassingen te implementeren. Denk bijvoorbeeld aan Google Maps. Voor indoor toepassingen is GPS echter vaak onvoldoende nauwkeurig door de lagere signaalkwaliteit en de hogere benodigde nauwkeurigheid. Daarom is het noodzakelijk om technologieën te ontwikkeling specifiek voor indoor lokalisatie. In deze doctoraatsthesis kijken we hoofdzakelijk naar een pedestrian dead reckoning (PDR) systeem om de locatie van een persoon te tracken. Een PDR-systeem schat de locatie van een persoon door de stappen van deze persoon te detecteren en voor iedere stap te bepalen hoe lang hij is en in welke richting. Dit wordt doorgaans geschat met behulp van de metingen van een accelerometer en gyroscoop. Veel van de huidige algoritmes maken echter gebruik van parameters die afhangen van de gebruiker en dus voor optimale performantie aangepast moeten worden aan de gebruiker. Daarom gebruiken wij in dit werk machine en deep learning om algoritmes te trainen die niet getuned moeten worden aan de specifieke gebruiker. Tot slot bekijken we ook nog hoe we zo een PDR-systeem kunnen combineren met andere indoor lokalisatie technologieën zodat we de voordelen van beide technologieën kunnen combineren.