Cursusaanbod

Computer Vision

Data Analysis en Visualisatie

Deep Learning en Neural Networks

Deployeren en Scalen

Ethiek en Toekomst van AI

Inleiding tot AI en ML

Lab Project

Machine Learning Modellen

Natural Language Processing (NLP)

Samenvatting en Volgende Stappen

  • Strategieën voor het implementeren van AI-toepassingen
  • Schalen van AI-toepassingen
  • Monitoren en onderhouden van AI-systemen
  • Ontwikkelen van een kleine schaal intelligente applicatie
  • Werken met echte datasets
  • Samenwerken aan een groepsproject om een industrie-relevante probleem op te lossen
  • Ethische overwegingen in AI
  • AI-beleid en regulering
  • Toekomstige trends in AI en ML
  • Exploratieve data-analyse
  • Technieken voor data visualisatie
  • Statistische grondbeginselen voor ML
  • Fundamenten van neurale netwerken
  • Convolutional Neural Networks (CNNs)
  • Recurrent Neural Networks (RNNs)
  • Fundamenten van beeldverwerking
  • Objectdetectie en beeldclassificatie
  • Geavanceerde onderwerpen in computervisie
  • Overzicht van AI- en ML-concepten
  • Dataverzameling en voorbewerking
  • Inleiding tot Python voor AI
  • Supervised learning-algoritmen
  • Unsupervised learning-algoritmen
  • Model-evaluatie en -selectie
  • Tekstverwerking en feature-extractie
  • Sentimentanalyse en tekstclassificatie
  • Taalmodellen en chatbots

Vereisten

Doelgroep

  • AI-professionals
  • Softwareontwikkelaars
  • Data-analisten
  • Een begrip van basisprogrammeerconcepten
  • Ervaring met Python en fundamentele datawetenschappelijke technieken
  • Vertrouwdheid met kernprincipes van AI en ML
 28 Uren

Aantal deelnemers


Prijs Per Deelnemer

Getuigenissen (1)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën