Neem contact met ons op

Cursusaanbod

Inleiding tot AI in Python

  • Kernconcepten en toepassingsgebieden van AI
  • Python-bibliotheken voor AI-ontwikkeling
  • Structuur en werkproces bij het ontwikkelen van een AI-project

Data voorbereiding voor AI

  • Data schoonmaken, transformeren en feature engineering
  • Omgang met ontbrekende of ongebalanceerde data
  • Feature scaling en encodering

Supergewaardeerde leerlijnmethoden

  • Regressie- en classificatiealgoritmen
  • Ensemblestructuren: Random Forest, Gradient Boosting
  • Hyperparameter tuning en kruisvalidatie

Ongesupergewaardeerde leerlijnmethoden

  • Clusteranalyse: K-Means, DBSCAN, hiërarchische clustering
  • Dimensievermindering: PCA, t-SNE
  • Toepassingsgebieden van ongesupergewaardeerde leerlijnmethoden

Neuronale netwerken en diepe leerlijn

  • Inleiding tot TensorFlow en Keras
  • Opbouw en training van forward-feed neurale netwerken
  • Prestatieoptimalisatie van neurale netwerken

Versterkte leerlijn (inleiding)

  • Basisconcepten: agenten, omgevingen en beloningen
  • Implementatie van eenvoudige versterkingsalgoritmen
  • Toepassingen van versterkte leerlijn

Ingebruikname van AI-modellen

  • Opslaan en herladen van getrainde modellen
  • Integratie van modellen in applicaties via APIs
  • Monitoring en onderhoud van AI-systemen in productieomgevingen

Samenvatting en vervolgstappen

Vereisten

  • Een goed begrip van de basisprincipes van Python-programmeren
  • Ervaring met data-analysebibliotheken zoals NumPy en pandas
  • Basiskennis van concepten en algoritmen binnen machine learning

Doelgroep

  • Softwareontwikkelaars die hun vaardigheden op het gebied van AI-ontwikkeling willen uitbreiden
  • Data-analysten die AI-technieken willen toepassen op complexe datasets
  • Onderzoekers en ontwikkelaars die AI-gestuurde applicaties bouwen
 35 Uren

Aantal deelnemers


Prijs per deelnemer

Getuigenissen (2)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën