Cursusaanbod

Overzicht van AI in Python

  • Sleutelconcepten en omvang van AI
  • Python bibliotheken voor AI-ontwikkeling
  • AI-projectstructuur en workflow

Gegevensvoorbereiding voor AI

  • Gegevensopruimen, transformeren en feature engineering
  • Opgeloste en onbalansgegevens afhandelen
  • Feature schalen en encoderen

Supervised Learning technieken

  • Regressie- en classificatiealgoritmen
  • Ensemble-methoden: Random Forest, Gradient Boosting
  • Hyperparameter afstemming en cross-validatie

Unsupervised Learning technieken

  • Clustermethoden: K-Means, DBSCAN, hiërarchisch clusteren
  • Dimensionaliteit reductie: PCA, t-SNE
  • Gebruikscases voor ongeëigend geleerd

Neural Networks en Deep Learning

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

Reinforcement Learning (Intro)

  • Kernconcepten van agenten, omgevingen en beloningen
  • Implementeren van basisreinforcement learning-algoritmen
  • Toepassingen van reinforcement learning

AI-modellen implementeren

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

Samenvatting en volgende stappen

Vereisten

  • Vaste kennis van Python programmeringsfundamenten
  • Ervaring met data-analysebibliotheken zoals NumPy en pandas
  • Basis kennis van machine learning concepten en algoritmen

Publiek

  • Softwareontwikkelaars die hun AI-ontwikkelingsvaardigheden willen verbreden
  • Data-analisten die AI-technieken willen toepassen op complexe datasets
  • R&D-professionals die AI-aangedreven applicaties bouwen
 35 Uren

Aantal deelnemers


Prijs Per Deelnemer

Testimonials (3)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën