Cursusaanbod
- Inleiding tot ML
- Machine learning als onderdeel van kunstmatige intelligentie
- Soorten van ML
- ML-algoritmen
- Uitdagingen en potentiële toepassingen van ML
- Overfitting en trade-off tussen bias en variatie in ML
- Technieken van Machine Learning
- Het Machine Learning workflow
- Supervised learning – Classificatie, Regressie
- Unsupervised learning – Clustering, Anomalie detectie
- Semi-supervised learning en Reinforcement Learning
- Overwegingen in Machine Learning
- Data Preprocessing
- Data voorbereiding en transformatie
- Feature engineering
- Feature schalen
- Dimensionality reduction en variabele selectie
- Data visualisatie
- Exploratoire analyse
- Case studies
- Geavanceerde feature engineering en impact op resultaten in lineaire regressie voor voorspelling
- Tijdreeksanalyse en Forecasting maandelijkse omzet - basismethoden, seizoensaanpassing, regressie, exponentiële gladdering, ARIMA, neurale netwerken
- Market basket analyse en associatieregels
- Segmentatieanalyse met behulp van clustering en zelforganiserende kaarten
- Classificatie welke klant waarschijnlijk in gebreke zal blijven met behulp van logistische regressie, beslissingsbomen, xgboost, svm
Vereisten
Kennis en bewustzijn van Machine Learning fundamentele zaken
Testimonials (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Cursus - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.