Cursusaanbod

  1. 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
  2. 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
  3. Data Preprocessing
    • Data voorbereiding en transformatie
    • Feature engineering
    • Feature schalen
    • Dimensionality reduction en variabele selectie
    • Data visualisatie
    • Exploratoire analyse
  4. 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

 14 Uren

Aantal deelnemers


Prijs Per Deelnemer

Testimonials (2)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën