Cursusaanbod
Inleiding tot datawetenschap/AI
- Kennis vergaren via data
- Vormgeven van kennisrepresentatie
- Creatie van waarde uit data
- Inleiding tot datawetenschap
- Het AI-ecosysteem en moderne analysemethoden
- Belangrijke technologieën in dit vakgebied
Workflow van datawetenschap
- Het CRISP-DM-procesmodel
- Datavoorbereiding
- Planning van modellen
- Modelbouw
- Communicatie en resultatenoverdracht
- Implementatie in praktijk
Gebruikte technologieën bij datawetenschap
- Taalopties voor prototyping
- Technologieën voor big dataverwerking
- Oplossingen voor veelvoorkomende problemen
- Inleiding tot de programmeertaal Python
- Python combineren met Spark
Kunstmatige intelligentie in het bedrijfsleven
- Het AI-ecosysteem en mogelijkheden
- Ethiek binnen kunstmatige intelligentie
- Strategieën om AI in bedrijfsprocessen te integreren
Databronnen en opslag
- Verscheidenheid aan datatypes
- Verschillen tussen SQL en NoSQL
- Mogelijkheden voor dataopslag
- Procedures voor datavoorbereiding
Data-analyse – Statistische benadering
- Wiskundige waarschijnlijkheidsleer
- Basisprincipes van statistiek
- Statistische modelvorming
- Praktische toepassingen binnen bedrijfscontext met Python
Machine learning in zakelijke omgevingen
- Gesuperviseerd versus ongesuperviseerd leren
- Oplossingen voor voorspellingsproblematiek
- Tactieken bij classificatieopgaven
- Clusteranalyse en vergelijkbare benaderingen
- Herkenning van afwijkende patronen
- Implementatie van aanbevelingssystemen
- Identificatie van associaties tussen variabelen
- Python-hulpmiddelen bij het oplossen van machine learning-problemen
Deep learning
- Situaties waarin conventionele ML-methoden tekortschieten
- Oplossingsrichtingen voor complexe kwesties via deep learning
- Inleiding tot het TensorFlow-framework
Natuurlijke taalverwerking
Data-visualisatie
- Vormgeving van visuele rapportages op basis van analyseresultaten
- Frequent voorkomende valkuilen in visualisaties
- Gebruik maken van Python voor effectieve data-visualisatie
Van data naar beslissingen – communicatie en impact
- Een datagebaseerd verhaal vertellen om indruk te maken
- Hoe effectieve invloed uitoefenen
- Beheer van datawetenschapsprojecten
Vereisten
Er zijn geen specifieke vereisten om aan deze cursus deel te nemen.
Getuigenissen (7)
Praktijkopdrachten gerelateerd aan de inhoud helpen echt om meer te begrijpen over elk onderwerp. Bovendien is de manier waarop de les begint met een college en verdergaat met praktijkopdrachten goed en helpt het om de eerder gepresenteerde lesstof beter te relateren.
Nazeera Mohamad - Ministry of Science, Technology and Innovation
Cursus - Introduction to Data Science and AI using Python
Automatisch vertaald
Trainerexpertise en de vermogen om studenten te betrekken
Nikita - EY GLOBAL SERVICES (POLAND) SP Z O O
Cursus - Introduction to Data Science and AI using Python
Automatisch vertaald
Ania heeft uitstekende kennis en weet zelfs complexe onderwerpen duidelijk te verklaren.
Kasia - EY GLOBAL SERVICES (POLAND) SP Z O O
Cursus - Introduction to Data Science and AI using Python
Automatisch vertaald
De cursus is zeer interessant, met de belangrijkste focus vandaag de dag.
mohamed taher - FAB banak Egypt
Cursus - Introduction to Data Science and AI (using Python)
Automatisch vertaald
Ahmed was zeer interactief en had geen bezwaar tegen het beantwoorden van alle soorten vragen Goede presentatie en een smooth verloop van de cursus
Mohamed Ghowaiba - FAB banak Egypt
Cursus - Introduction to Data Science and AI (using Python)
Automatisch vertaald
Vriendelijk en goed luisteraar .. interactief
Ahmed El Kholy - FAB banak Egypt
Cursus - Introduction to Data Science and AI (using Python)
Automatisch vertaald
Onderwerp presentatie kennis tijdsindeling
Aly Saleh - FAB banak Egypt
Cursus - Introduction to Data Science and AI (using Python)
Automatisch vertaald