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
Introductie
- Verschil tussen statistisch leren (statistische analyse) en machine learning
- Adoptie van machine learning-technologie door financiële en bankbedrijven
Verschillende soorten Machine Learning
- Begeleid leren versus leren zonder toezicht
- Iteratie en evaluatie
- Afweging tussen bias en variantie
- Combineren van gesuperviseerd en niet-gesuperviseerd leren (semi-gesuperviseerd leren)
Machine Learning Languages en gereedschapssets
- Open source versus propriëtaire systemen en software
- R vs Python vs Matlab
- Bibliotheken en frameworks
Machine Learning Casestudy's.
- Consumentengegevens en big data
- Risicobeoordeling bij consumenten- en zakelijke kredietverlening
- Klantenservice verbeteren door middel van sentimentanalyse
- Opsporen van identiteitsfraude, factuurfraude en witwassen
Inleiding tot R
- De RStudio IDE installeren
- R-pakketten laden
- Datastructuren
- Vectoren
- Factoren
- Lijsten
- Gegevensframes
- Matrixes en matrices
Gegevens laden Machine Learning
- Databases, datawarehouses en streaming data
- Gedistribueerde opslag en verwerking met Hadoop en Spark
- Gegevens importeren uit een database
- Gegevens importeren uit Excel en CSV
Modelleren Business Beslissingen met begeleid leren
- Classificeren van uw gegevens (classificatie)
- Regressieanalyse gebruiken om de uitkomst te voorspellen
- Kiezen uit beschikbare machine learning-algoritmen
- Inzicht in de algoritmen van de beslisboom
- Inzicht in algoritmen voor willekeurige forests
- Evaluatie van het model
- Oefening
Regressie-analyse
- Lineaire regressie
- Generalisaties en niet-lineariteit
- Oefening
Classificatie
- Bayesiaanse opfriscursus
- Naïeve Bayes
- Logistische regressie
- K-Dichtstbijzijnde buren
- Oefening
Hands-on: een schattingsmodel bouwen
- Beoordeling van kredietrisico's op basis van klanttype en geschiedenis
Evaluatie van de prestaties van Machine Learning Algoritmen
- Kruisvalidatie en resampling
- Bootstrap Aggregatie (zakken)
- Oefening
Modelleren Business Beslissingen met leren zonder toezicht
- Wanneer er geen voorbeeldgegevenssets beschikbaar zijn
- K-betekent clustering
- Uitdagingen van leren zonder toezicht
- Voorbij K-middelen
- Bayes-netwerken en Markov Hidden Models
- Oefening
Hands-on: een aanbevelingssysteem bouwen
- Analyseren van klantgedrag uit het verleden om nieuwe serviceaanbiedingen te verbeteren
Uitbreiding van de mogelijkheden van uw bedrijf
- Modellen ontwikkelen in de cloud
- Machine learning versnellen met extra GPUs
- Toepassen van Deep Learning neurale netwerken voor computer vision, spraakherkenning en tekstanalyse
Slotwoord
Requirements
- Programming ervaring met elke taal
- Basiskennis van statistiek en lineaire algebra
28 Hours