AI en Machine Learning met Python: basiskennis

Tijdens deze driedaagse opleiding bij ABIS leert u data analyseren en datamodellen bouwen m.b.v. ML-tools zoals scikit-learn en PyTorch.

In deze training komen de belangrijkste aspecten van artificiële intelligentie (AI) en Machine Learning (ML) aan bod. We bekijken eerst de verschillende problemen die we met ML kunnen oplossen, en bespreken wanneer en waarom we ML gebruiken. Daarna duiken we in de praktijk van ML.

  • We gaan stap voor stap aan de slag met de basisprincipes van AI en ML.
  • Deze kennis wordt dan in de praktijk gebracht door zelf Machine Learning-modellen te trainen (en te gebruiken) in Python met scikit-learn, een populaire Python-bibliotheek voor ML.

Opleiding inplannen?

Een interactieve, live training - gegeven in een fysiek klaslokaal of online, of in een hybride vorm. De cursus kan gegeven worden in het Nederlands, Engels of Frans.

BEDRIJFSOPLEIDING AANVRAGEN

 

Publieke opleidingskalender

Momenteel zijn er voor deze cursus geen publieke sessies gepland. Graag organiseren we een bedrijfssessie voor u of een extra publieke sessie (bij voldoende belangstelling). Geïnteresseerd? Laat het ons weten.

Doelgroep

Iedereen die Machine Learning wil gebruiken om realistische problemen op te lossen in de praktijk.

Voorkennis

Een voldoende basiskennis van Python is een vereiste (zie Python: basiscursus). Kennis van Pandas (zie cursus Python voor data-analyse) is een voordeel.

Inhoud

  • Basisconcepten en technieken van AI en Machine Learning:
    • Supervised learning versus unsupervised learning
    • Train- & test-data; cross-validatie
    • Nauwkeurigheid; "confusion"-matrix
    • Overfitting versus onderfitting; afweging bias/variantie; validatiecurves
    • Regularisatie
    • Automatiseren van modelselectie
  • De verschillende modellen die met behulp van Machine Learning kunnen getraind worden:
    • Lineaire & polynomiale regressie; Ridge-regressie
    • Logistic regressie & classificatie
    • Clustering: K-means & hiërarchische clustering
    • Anomalie-detectie
    • Dimensionaliteitsreductie: PCA & LDA
    • Decision trees & random forests
    • Een korte introductie tot neurale netwerken en deep learning
  • Machine Learning-modellen bouwen, valideren en gebruiken met scikit-learn

Verloop van de cursus

Klassikale opleiding, met nadruk op demo's en diepgaande individuele praktische oefeningen.

Certificaat

Na afloop van de sessie ontvangt de deelnemer een “Certificaat van deelname”.

Duur

3 dagen.

Docent

Reviews

4.0/5 (gebaseerd op 18 evaluaties; de meest recente worden hieronder getoond)

It was a good course for anyone who does want to start machine learning.

 
  (, )

I enjoyed the course it provided a very good introduction into the different aspects of ML

 
  (, )

Excellent trainer with in-depth knowledge and excellent interpersonal skills. Course did holistic coverage of ML life cycle, that was great.

 
  (, )

the explanation of the course is clear and exercise is good and handable

 
  (, )

Peter is an amazing instructor. Course is awesome.

 
  (, )

Coherent, focused, hands on

 
  (, )

Ook interessant

Cursisten van deze training hebben ook volgende cursussen gevolgd:


SESSIE-INFO EN INSCHRIJVEN