Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Inleiding tot Neural Networks
Inleiding tot toegepast Machine Learning
- Statistisch leren versus machinaal leren
- Iteratie en evaluatie
- Afweging van bias en variantie
Machine Learning met Python
- Keuze uit bibliotheken
- Extra hulpmiddelen
Concepten en toepassingen voor machinaal leren
Regressie
- Lineaire regressie
- Generalisaties en niet-lineariteit
- Gebruiksgevallen
Classificatie
- Bayesiaanse opfrisser
- Naïeve Bayes
- Logistieke regressie
- K-dichtstbijzijnde buren
- Use Cases
Kruisvalidatie en herbemonstering
- Kruisvalidatiebenaderingen
- Bootstrap
- Use Cases
Ongecontroleerd leren
- K-betekent clustering
- Voorbeelden
- Uitdagingen van leren zonder toezicht en verder dan K-middelen
Korte introductie tot NLP-methoden
- tokenisatie van woorden en zinnen
- tekst classificatie
- sentiment analyse
- spellingscorrectie
- informatie-extractie
- ontleden
- extractie betekent
- vraag beantwoorden
Kunstmatige Intelligentie & Deep Learning
Technisch overzicht
- R v/s Python
- Caffe versus tensorstroom
- Diverse Machine Learning Bibliotheken
Casestudies uit de sector
Requirements
- Moet basiskennis hebben van de bedrijfsvoering en ook technische kennis
- Basiskennis van software en systemen is vereist
- Basiskennis van Statistics (in Excel-niveaus)
21 Hours
Getuigenissen (1)
The enthusiasm to the topic. The examples he made an he explained it very well. Sympatic. A little to detailed for beginners. For managers, it could be more abstract in fewer days. But it was designed to fit and we had a good alignment in advance.