Neem contact met ons op

Cursusaanbod

Inleiding

  • Wat is Predictieve AI?
  • Historische achtergrond en ontwikkeling van voorspellende analysemethoden
  • Basisprincipes van machine learning en datamining

Dataverzameling en -voorbereiding

  • Relevante data verzamelen
  • Data schoonmaken en klaarmaken voor analyse
  • Soorten en bronnen van data begrijpen

Verkennende gegevensanalyse (EDA)

  • Data visueel weergeven voor beter inzicht
  • Beschrijvende statistiek en samenvatting van data
  • Patronen en verbanden in data identificeren

Statistische modellering

  • Basisprincipes van statistische inferentie
  • Regressieanalyse
  • Classificatiemodellen

Machine learning-algoritmes voor voorspellingen

  • Overzicht van supergeleerde algoritmes
  • Beslissingsbomen en random forests
  • Neurale netwerken en basisprincipes van deep learning

Beoordeling en selectie van modellen

  • Accuraatheid en prestaties van modellen bepalen
  • Technieken zoals kruisvalidatie gebruiken
  • Overfitting vermijden en modellen optimaliseren

Praktische toepassingen van Predictieve AI

  • Voorbeeldstudies uit diverse bedrijfstakken
  • Ethische overwegingen bij het bouwen van voorspellingsmodellen
  • Beperkingen en uitdagingen van Predictieve AI

Praktijkproject

  • Aan de slag met een dataset om zelf een voorspellend model te ontwikkelen
  • Het model gebruiken voor het maken van voorspellingen
  • Resultaten evalueren en interpreteren

Samenvatting en vervolgstappen

Vereisten

  • Basiskennis van statistiek
  • ervaring met een programmeertaal
  • Vertrouwdheid met het omgaan met data en spreadsheets
  • Voorafgaande kennis van AI of datawetenschap is niet vereist

Doelgroep

  • IT-professionals
  • Data-analysten
  • Technisch personeel
 21 Uren

Aantal deelnemers


Prijs per deelnemer

Getuigenissen (3)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën