Course Outline

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

Regressie

  • Lineaire regressie
  • Generalisaties en niet-lineariteit
  • Opdrachten

Classificatie

  • Bayesiaanse opfrisser
  • Naïeve Bayes
  • Logistieke regressie
  • K-dichtstbijzijnde buren
  • Opdrachten

Kruisvalidatie en herbemonstering

  • Kruisvalidatiebenaderingen
  • Bootstrap
  • Opdrachten

Ongecontroleerd leren

  • K-betekent clustering
  • Voorbeelden
  • Uitdagingen van leren zonder toezicht en verder dan K-middelen

Requirements

Kennis van programmeertaal Python. Basiskennis van statistiek en lineaire algebra wordt aanbevolen.

  14 Hours
 

Getuigenissen (5)

Related Courses

Related Categories