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

Related Courses

Related Categories