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
Dagelijks werk (op gecentraliseerde wijze)
- Plegen
- Browsen
- Taggen en vertakken
- Samenvoegen
- Going afstandsbediening
- Het werk delen
Git-concepten
- Git-objecten
- Gedistribueerde repositories
- Auteurs en toewijders
- Samenvoegen van werken via e-mail
- Werken uit andere repositories samenvoegen
- Octopus samenvoegen
Gewoontes Migratie Proces
- Ondermijning spiegelen
- Gecentraliseerd werken met Git
- Overschakelen naar een gedistribueerd model
- Voorbeelden van migratieprocessen (Open Source-projecten)
Git Loodgieterswerk en Geavanceerde onderwerpen
- Git-commando's
- Handtekeningen
- Negeert en sluit uit
Migreren en overbruggen
- Git SVN-kloon gebruiken
- Werken met een Subversion repository en Git werkkopie
Vereisten
Good kennis van Subversion (SVN) vereist.
7 Uren
Getuigenissen (7)
The following is a course outline in English that I will translate into Dutch.---## Course TitleIntroduction to Artificial Intelligence## Course DescriptionThis course provides a comprehensive overview of Artificial Intelligence (AI), covering fundamental concepts, algorithms, and applications. Students will learn about the history and evolution of AI, various AI techniques, and their real-world applications.## Learning Objectives- Understand the basic principles of AI.- Explore different types of AI algorithms.- Apply AI techniques to solve real-world problems.- Evaluate the ethical implications of AI.## Course Outline### Module 1: Introduction to AI- **1.1 Definition and History** - Introduction to the concept of AI. - Overview of the history and evolution of AI.- **1.2 Key Components of AI** - Machine Learning (ML). - Natural Language Processing (NLP). - Computer Vision.- **1.3 Applications of AI** - AI in healthcare. - AI in finance. - AI in autonomous vehicles.### Module 2: Machine Learning- **2.1 Supervised Learning** - Definition and examples. - Algorithms: Linear Regression, Decision Trees.- **2.2 Unsupervised Learning** - Definition and examples. - Algorithms: Clustering, Principal Component Analysis (PCA).- **2.3 Reinforcement Learning** - Definition and examples. - Algorithms: Q-Learning, Deep Q-Networks (DQN).### Module 3: Natural Language Processing- **3.1 Introduction to NLP** - Basics of NLP. - Applications of NLP.- **3.2 Text Processing** - Tokenization. - Part-of-Speech Tagging.- **3.3 Sentiment Analysis** - Techniques for sentiment analysis. - Applications in social media and customer feedback.### Module 4: Computer Vision- **4.1 Basics of Computer Vision** - Introduction to image processing. - Techniques for object detection.- **4.2 Deep Learning in Computer Vision** - Convolutional Neural Networks (CNNs). - Applications in medical imaging and autonomous driving.- **4.3 Image Recognition** - Techniques for image classification. - Real-world applications.### Module 5: Ethical Considerations in AI- **5.1 Ethical Implications** - Bias in AI. - Privacy concerns.- **5.2 Ethical Frameworks** - Principles of ethical AI. - Case studies in ethical AI.- **5.3 Future Trends** - Emerging technologies in AI. - Impact on society.## Assessment- **Assignments**: 30%- **Midterm Exam**: 30%- **Final Project**: 40%## Required Software and Tools- Python.- Jupyter Notebooks.- TensorFlow.- Keras.## Recommended Reading- "Artificial Intelligence: A Modern Approach" by Stuart Russell and Peter Norvig.- "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow" by Aurélien Géron.- "Speech and Language Processing" by Daniel Jurafsky and James H. Martin.---De volgende is een cursusomschrijving in het Engels die ik vertaal naar het Nederlands.---## CursustitelInleiding tot Kunstmatige Intelligentie## CursusbeschrijvingDeze cursus biedt een uitgebreide overzicht van Kunstmatige Intelligentie (KI), waarbij de basisconcepten, algoritmen en toepassingen worden behandeld. Studenten leren over de geschiedenis en ontwikkeling van KI, verschillende KI-technieken en hun toepassingen in de werkelijkheid.## Leerdoelen- De basisprincipes van KI begrijpen.- Verschillende soorten KI-algoritmen verkennen.- KI-technieken toepassen om problemen in de werkelijkheid op te lossen.- De ethische implicaties van KI evalueren.## Cursusomschrijving### Module 1: Inleiding tot KI- **1.1 Definitie en Geschiedenis** - Inleiding tot het concept van KI. - Overzicht van de geschiedenis en ontwikkeling van KI.- **1.2 Sleutelcomponenten van KI** - Machine Learning (ML). - Natural Language Processing (NLP). - Computer Vision.- **1.3 Toepassingen van KI** - KI in de gezondheidszorg. - KI in de financiering. - KI in autonome voertuigen.### Module 2: Machine Learning- **2.1 Supervised Learning** - Definitie en voorbeelden. - Algorithmen: Lineaire Regressie, Beslissingsbomen.- **2.2 Unsupervised Learning** - Definitie en voorbeelden. - Algorithmen: Clusteranalyse, Principal Component Analysis (PCA).- **2.3 Reinforcement Learning** - Definitie en voorbeelden. - Algorithmen: Q-Learning, Deep Q-Networks (DQN).### Module 3: Natural Language Processing- **3.1 Inleiding tot NLP** - Basisbeginselen van NLP. - Toepassingen van NLP.- **3.2 Tekstverwerking** - Tokenisatie. - Woordsoortbepaling.- **3.3 Sentimentanalyse** - Technieken voor sentimentanalyse. - Toepassingen in sociale media en klantfeedback.### Module 4: Computer Vision- **4.1 Basisbeginselen van Computer Vision** - Inleiding tot beeldverwerking. - Technieken voor objectherkenning.- **4.2 Deep Learning in Computer Vision** - Convolutional Neural Networks (CNNs). - Toepassingen in medische beeldvorming en autonoom rijden.- **4.3 Afbeeldingsherkenning** - Technieken voor afbeeldingsclassificatie. - Toepassingen in de werkelijkheid.### Module 5: Ethische Overwegingen in KI- **5.1 Ethische Implicaties** - Vooroordelen in KI. - Privacyzorg.- **5.2 Ethische Kaders** - Principes van ethische KI. - Casussen in ethische KI.- **5.3 Toekomstige Trends** - Opkomende technologieën in KI. - Invloed op de maatschappij.## Evaluatie- **Opdrachten**: 30%- **Tussentijds examen**: 30%- **Eindproject**: 40%## Vereiste Software en Hulpmiddelen- Python.- Jupyter Notebooks.- TensorFlow.- Keras.## Aanbevolen Lectuur- "Artificial Intelligence: A Modern Approach" door Stuart Russell en Peter Norvig.- "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow" door Aurélien Géron.- "Speech and Language Processing" door Daniel Jurafsky en James H. Martin.
Nicola - OHB System AG
Cursus - Git for Victims of Subversion
Automatisch vertaald
Oefeningen, wanneer iemand een probleem had, werd het weergegeven, zodat iedereen daar iets van kon leren.
Hania - OHB System AG
Cursus - Git for Victims of Subversion
Automatisch vertaald
Gaf me een goed begrip van de verschillen tussen SVN en GIT.
Chris - Adder Technology Ltd
Cursus - Git for Victims of Subversion
Automatisch vertaald
Veel oefeningen, trainer volgde de 'stroom' van discussies/behoeften van deelnemers
Martin - OHB System AG
Cursus - Git for Victims of Subversion
Automatisch vertaald
Een zeer goede mix van theorie en oefening
Olaf Horn - Wolfgang Metzner GmbH & Co. KG
Cursus - Git for Victims of Subversion
Automatisch vertaald
Luke was erg aardig en wilde graag specifieke voorbeelden van onze problemen bespreken.
Jim HABERLIN - Blume Global
Cursus - Git for Victims of Subversion
Automatisch vertaald
Ik was in staat om een expert vragen te stellen die ik heb geprobeerd te begrijpen door googlen.
Paul Russell - Blume Global
Cursus - Git for Victims of Subversion
Automatisch vertaald
