Bedankt voor uw aanvraag! Een van onze medewerkers neemt binnenkort contact met u op
Bedankt voor uw boeking! Een van onze medewerkers neemt binnenkort contact met u op.
Cursusaanbod
Inleiding en omgeving instellen
- Wat is AutoML en waarom het belangrijk is
- Python- en R-omgevingen instellen
- Op afstand werken en cloud-omgevingen configureren
AutoML-functies verkennen
- Kerncapaciteiten van AutoML-frameworks
- Hyperparameter optimalisatie en zoekstrategieën
- AutoML-uitvoeringen en logboeken interpreteren
Hoe AutoML algoritmen selecteert
- Gradient Boosting Machines (GBMs), Random Forests, GLMs
- Neurale netwerken en diepe leerbackends
- Afwegingen: nauwkeurigheid vs. interpreteerbaarheid vs. kosten
Data voorbereiding en preprocessing
- Werken met numerieke en categoriale data
- Feature engineering en coderingstrategieën
- Opsporen van ontbrekende waarden en data-ongelijkheid
AutoML voor verschillende datatypen
- Tabulaire data (H2O AutoML, auto-sklearn, TPOT)
- Tijdreeksdata (voorspelling en sequentiële modellen)
- Tekst en NLP-taakjes (classificatie, sentimentanalyse)
- Afbeeldingsclassificatie en computer vision (Auto-Keras, TensorFlow, PyTorch)
Model-implementatie en monitoring
- AutoML-modellen exporteren en implementeren
- Pijplijnen bouwen voor real-time voorspellingen
- Modeldrift controleren en heropvoedingsstrategieën
Ensembling en geavanceerde onderwerpen
- AutoML-modellen stapelen en mengen
- Privacy- en nalevingsoverwegingen
- Kostenoptimalisatie voor grootschalige AutoML
Problemen oplossen en cases
- Veelvoorkomende fouten en hoe je ze kunt oplossen
- AutoML-modelprestaties interpreteren
- Cases van industrieel gebruik
Samenvatting en volgende stappen
Vereisten
- Ervaring met machine learning-algoritmen
- Programmeringservaring met Python of R
Publiek
- Data-analisten
- Datawetenschappers
- Data-engineers
- Ontwikkelaars
14 Uren