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
Begeleid leren en onbegeleid leren
- Machine Learning Languages, typen en voorbeelden
- Begeleid versus onbewaakt leren
Leren onder toezicht
- Beslissingsbomen
- Random Forests
- Modelevaluatie
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
Neurale netwerken
- Lagen en knooppunten
- Python neurale netwerkbibliotheken
- Werken met scikit-learn
- Werken met PyBrain
- Deep Learning
Requirements
Kennis van programmeertaal Python. Basiskennis van statistiek en lineaire algebra wordt aanbevolen.
28 Hours
Getuigenissen (2)
Interessante kennis
Gabriel - MINDEF
Cursus - Machine Learning with Python – 4 Days
Machine Translated
The trainer was a practitioner with a lot of experience and had a very good knowledge of the material.