Neem contact met ons op

Cursusaanbod

Inleiding tot Toegepaste Machine Learning

  • Statistisch leren vs. machine leren
  • Iteratie en evaluatie
  • Bias-Variance trade-off

Supervised Learning en Unsupervised Learning

  • Machine Learning-talen, -types en voorbeelden
  • Supervised vs. Unsupervised Learning

Supervised Learning

  • Beslissingenbomen
  • Random Forests
  • Model-evaluatie

Machine Learning met Python

  • Kies van bibliotheken
  • Extra tools

Regressie

  • Lineaire regressie
  • Generalisaties en non-lineariteit
  • Oefeningen

Classificatie

  • Bayesiaanse herhaling
  • Naive Bayes
  • Logistische regressie
  • K-Naaste buren
  • Oefeningen

Cross-validation en resampling

  • Cross-validatie-approches
  • Bootstrap
  • Oefeningen

Unsupervised Learning

  • K-means clustervorming
  • Voorbeelden
  • Uitdagingen van ontoezichtvol leren en verder dan K-means

Neurale netwerken

  • Lagen en knopen
  • Python neurale netwerk-bibliotheken
  • Werkwijze met scikit-learn
  • Werkwijze met PyBrain
  • Deep Learning

Vereisten

Kennis van de Python-programmeertaal. Basisvertrouwdheid met statistiek en lineaire algebra wordt aanbevolen.

 28 Uren

Aantal deelnemers


Prijs per deelnemer

Getuigenissen (7)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën