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 toegepast Machine Learning
- Statistisch leren versus machinaal leren Iteratie en evaluatie Afweging van bias en variantie
Regressie
- Lineaire regressie-generalisaties en niet-lineariteitsoefeningen
Classificatie
- Bayesiaanse opfriscursus Naïef Bayes Logistieke regressie K-Naastste buren Oefeningen
Kruisvalidatie en herbemonstering
- Kruisvalidatiebenaderingen Bootstrap Oefeningen
Ongecontroleerd leren
- Clustering van K-middelen Voorbeelden Uitdagingen van leren zonder toezicht en verder dan K-middelen
Requirements
Kennis van de programmeertaal R. Basiskennis van statistiek en lineaire algebra wordt aanbevolen.
14 Hours