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
Introductie
- Voorspellende AI definiëren
- Historische context en evolutie van predictive analytics
- Basisprincipes van machine learning en datamining
Gegevensverzameling en voorbewerking
- Verzamelen van relevante gegevens
- Gegevens opschonen en voorbereiden voor analyse
- Inzicht in gegevenstypen en -bronnen
Verkennend Data Analysis (EDA)
- Gegevens visualiseren voor inzichten
- Beschrijvende statistieken en samenvatting van gegevens
- Patronen en relaties in data identificeren
Statistische modellering
- Basisprincipes van statistische inferentie
- Regressie-analyse
- Classificatie modellen
Machine Learning Algoritmen voor voorspelling
- Overzicht van algoritmen voor begeleid leren
- Beslisbomen en willekeurige forests
- Basisprincipes van neurale netwerken en deep learning
Evaluatie en selectie van modellen
- Inzicht in de nauwkeurigheid en prestatiestatistieken van het model
- Technieken voor kruisvalidatie
- Overfitting en modelafstemming
Praktische toepassingen van voorspellende AI
- Casestudy's in verschillende industrieën
- Ethische overwegingen bij voorspellende modellering
- Beperkingen en uitdagingen van voorspellende AI
Hands-On Project
- Werken met een gegevensset om een voorspellend model te maken
- Het model toepassen om voorspellingen te doen
- Evalueren en interpreteren van de resultaten
Samenvatting en volgende stappen
Vereisten
- Inzicht in basisstatistieken
- Ervaring met elke programmeertaal
- Bekendheid met gegevensverwerking en spreadsheets
- Geen voorafgaande ervaring in AI of data science vereist
Audiëntie
- IT-professionals
- Data-analisten
- Technisch personeel
21 Uren
