Course Outline
Inleiding tot toegepast Machine Learning
- Statistisch leren versus machinaal leren
- Iteratie en evaluatie
- Afweging van bias en variantie
Begeleid leren en onbegeleid leren
- Machine Learning Languages, typen en voorbeelden
- Begeleid versus onbewaakt leren
Leren onder toezicht
- Beslissingsbomen
- Random Forests
- Modelevaluatie
Machine Learning met Python
- Keuze uit bibliotheken
- Extra hulpmiddelen
Regressie
- Lineaire regressie
- Generalisaties en niet-lineariteit
- Opdrachten
Classificatie
- Bayesiaanse opfrisser
- Naïeve Bayes
- Logistieke regressie
- K-dichtstbijzijnde buren
- Opdrachten
Kruisvalidatie en herbemonstering
- Kruisvalidatiebenaderingen
- Bootstrap
- Opdrachten
Ongecontroleerd leren
- K-betekent clustering
- Voorbeelden
- Uitdagingen van leren zonder toezicht en verder dan K-middelen
Neurale netwerken
- Lagen en knooppunten
- Python neurale netwerkbibliotheken
- Werken met scikit-learn
- Werken met PyBrain
- Deep Learning
Requirements
Kennis van programmeertaal Python. Basiskennis van statistiek en lineaire algebra wordt aanbevolen.
Getuigenissen (5)
Interessante kennis
Gabriel - MINDEF
Cursus - Machine Learning with Python – 4 Days
Machine Translated
The trainer was a practitioner with a lot of experience and had a very good knowledge of the material.
Witold Iwaniec - City of Calgary
Cursus - Machine Learning with Python – 4 Days
De trainer omdat hij bijna elk onderwerp en elke situatie aankon.
Florin Babes - eMAG IT RESEARCH SRL
Cursus - Machine Learning with Python – 4 Days
Machine Translated
De manier waarop de trainer de concepten uitlegde, zijn positieve en gastvrije houding en de praktijkvoorbeelden die bij elke oefening werden gegeven.
Ovidiu Calita - eMAG IT RESEARCH SRL
Cursus - Machine Learning with Python – 4 Days
Machine Translated
Zeer goede trainingssessie met mooie documentatie en oefeningen en Kristian deed het als een professional die hij is.
Adrian Boulescu - eMAG IT RESEARCH SRL
Cursus - Machine Learning with Python – 4 Days
Machine Translated