Neem contact met ons op
 Duur 35 uren

Cursusaanbod

Overzicht van AI in Python

  • Belangrijke concepten en reikwijdte van AI
  • Python-bibliotheken voor AI-ontwikkeling
  • Structuur en werkvloei van AI-projecten

Gegevensvoorbereiding voor AI

  • Opschonen, transformeren en feature engineering van gegevens
  • Verwerken van ontbrekende en onevenwichtige gegevens
  • Schaalvergroting en codering van features

Technieken voor toezichtshoudend leren

  • Regressie- en classificatie-algoritmen
  • Ensemble-methoden: Random Forest, Gradient Boosting
  • Hyperparameterafstemming en kruisvalidatie

Technieken voor niet-toezichtshoudend leren

  • Clustermethoden: K-Means, DBSCAN, hiërarchisch clustern
  • Verdamping van dimensies: PCA, t-SNE
  • Gebruiksgevallen voor niet-toezichtshoudend leren

Neurale netwerken en deep learning

  • Introductie tot TensorFlow en Keras
  • Bouwen en trainen van feedforward neurale netwerken
  • Optimaliseren van de prestaties van neurale netwerken

Versterkingsleren (Intro)

  • Kernconcepten van agenten, omgevingen en beloningen
  • Implementeren van basisversterkingsleren-algoritmen
  • Toepassingen van versterkingsleren

Uitrolen van AI-modellen

  • 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

  • Solide begrip van de basis van Python-programmeren
  • Ervaring met databibliotheken voor analyse, zoals NumPy en pandas
  • Basiskenis van machine learning-concepten en -algoritmen

Doelgroep

  • Softwareontwikkelaars die hun AI-ontwikkelvaardigheden willen uitbreiden
  • Data-analisten die AI-technieken willen toepassen op complexe datasets
  • O&O-professionals die toepassingen op basis van AI bouwen

Aantal deelnemers


Prijs per deelnemer

Getuigenissen (2)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën