Course Outline

Inleiding tot Data Science/AI

  • Kennis verwerven door middel van data
  • Kennisrepresentatie
  • Waardecreatie
  • Data Science overzicht
  • AI-ecosysteem en nieuwe benadering van analyse
  • Sleuteltechnologieën

Data Science werkstroom

  • Crisp-dm
  • Data voorbereiding
  • Modelplanning
  • Model gebouw
  • Communication
  • Inzet

Data Science technologieën

  • Languages gebruikt voor prototyping
  • Big Data technologieën
  • End-to-end oplossingen voor veelvoorkomende problemen
  • Inleiding tot Python taal
  • Integratie van Python met Spark

AI in Business

  • AI-ecosysteem
  • Ethiek van AI
  • Hoe AI in het bedrijfsleven te stimuleren

Data bronnen

  • Soorten gegevens
  • SQL versus NoSQL
  • Data opslag
  • Data voorbereiding

Data Analysis – Statistische benadering

  • Waarschijnlijkheid
  • Statistics
  • Statistische modellering
  • Toepassingen in zakelijk gebruik Python

Machine learning in het bedrijfsleven

  • Onder toezicht versus zonder toezicht
  • Forecasting problemen
  • Classificatieproblemen
  • Clusterproblemen
  • Onregelmatigheidsdetectie
  • Aanbeveling motoren
  • Associatiepatroonmijnbouw
  • ML-problemen oplossen met Python taal

Diep leren

  • Problemen waarbij traditionele ML-algoritmen falen
  • Ingewikkelde problemen oplossen met Deep Learning
  • Inleiding tot Tensorflow

Natuurlijke taalverwerking

Data visualisatie

  • Visuele rapportageresultaten van modellering
  • Veel voorkomende valkuilen bij visualisatie
  • Datavisualisatie met Python

Van data naar besluit – communicatie

  • Impact maken: datagedreven verhalen vertellen
  • Effectiviteit van invloed
  • Managen van Data Science projecten

Requirements

Geen

 35 Hours

Getuigenissen (3)

Related Courses

Related Categories