Neem contact met ons op
 Duur 35 uren

Cursusaanbod

Overzicht van AI in Python

  • Belangrijke concepten en het bereik van AI
  • Python-bibliotheken voor AI-ontwikkeling
  • Projectstructuur en werkwijze voor AI

Gegevensvoorbereiding voor AI

  • Datareiniging, transformatie en feature engineering
  • Omgaan met ontbrekende en onevenwichtige gegevens
  • Schaal- en coderingsfuncties voor kenmerken

Technieken voor toezichtsgeleren

  • Regressie- en classificatie-algoritmen
  • Ensemblemethode: Random Forest, Gradient Boosting
  • Hyperparameter tuning en kruisvalidatie

Technieken voor ontoezichtsgeleren

  • Clusteringmethoden: K-Means, DBSCAN, hiërarchisch clustering
  • Dimensiereductie: PCA, t-SNE
  • Toepassingsgevallen voor ontoezichtsgeleren

Neurale netwerken en deep learning

  • Inleiding tot TensorFlow en Keras
  • Opbouwen en trainen van feedforward neurale netwerken
  • Optimaliseren van de prestaties van neurale netwerken

Versterkingsleren (Introductie)

  • Kernconcepten van agenten, omgevingen en beloningen
  • Implementeren van basisalgoritmen voor versterkingsleren
  • Toepassingen van versterkingsleren

Implementeren van AI-modellen

  • Opslaan en laden van getrainde modellen
  • Integreren van modellen in toepassingen via API's
  • Monitoring en onderhoud van AI-systemen in productie

Samenvatting en vervolgstappen

Vereisten

  • Stevig begrip van de basisprincipes van Python-programmeren
  • Ervaring met bibliotheken voor data-analyse, zoals NumPy en pandas
  • Basis kennis van concepten en algoritmen voor machine learning

Publiek

  • Softwareontwikkelaars die hun AI-ontwikkelingsskills willen uitbreiden
  • Data-analisten die AI-technieken willen toepassen op complexe dataset
  • R&D-professionals die AI-gebaseerde toepassingen bouwen

Aantal deelnemers


Prijs per deelnemer

Getuigenissen (2)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën