Neem contact met ons op
 Duur 28 uren

Cursusaanbod

Gecategoriseerd leren: classificatie en regressie

  • Machinaal leren in Python: inleiding tot de scikit-learn-API
    • lineaire en logistische regressie
    • support vector machine
    • neurale netwerken
    • random forest
  • Opzetten van een end-to-end gepersonaliseerd leerpipeline met scikit-learn
    • werken met data bestanden
    • imputatie van ontbrekende waarden
    • afhandelen van categorische variabelen
    • data visualiseren

Python-frameworks voor AI-toepassingen:

  • TensorFlow, Theano, Caffe en Keras
  • AI op schaal met Apache Spark: MLlib

Geavanceerde neurale netwerkarchitecturen

  • convolutionele neurale netwerken voor beeldanalyse
  • recurrente neurale netwerken voor tijdsstructuurde data
  • de long short-term memory-cel (LSTM)

Onbegeleerd leren: clusteranalyse, anomaliedetectie

  • implementatie van hoofdfactoranalyse (PCA) met scikit-learn
  • implementatie van auto-encodeers in Keras

Praktische voorbeelden van problemen die AI kan oplossen (hands-on oefeningen met Jupyter-notebooks), bijv. 

  • beeldanalyse
  • voorspelling van complexe financiële series, zoals koerskoersen
  • herkenning van complexe patronen
  • naturelijke taalbewerking (NLP)
  • aanbevelingssystemen

Beperkingsgebieden van AI-methoden begrijpen: falingsmodi, kosten en veelvoorkomende moeilijkheden

  • overfitting
  • balans tussen bias en variantie (bias/variance trade-off)
  • vertekeningen in observatiedata
  • neuraal netwerkvergiftiging

Toegepast projectwerk (optioneel)

Vereisten

Er zijn geen specifieke vereisten om deel te nemen aan deze cursus.

Aantal deelnemers


Prijs per deelnemer

Getuigenissen (2)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën