Basic Machine Learning

LET OP, DE VOERTAAL IN DEZE TRAINING IS ENGELS!

Machine Learning maakt het mogelijk om een wiskundig model te laten leren van data. Het model leert relaties en patronen in de data herkennen. Daarmee kunnen deze modellen worden gebruikt om voorspellingen te maken voor nieuwe data. Het vraagt inzicht en vaardigheid om te zorgen dat de modellen ook echt efficiënt leren en in de praktijk hun belofte waarmaken.

Waarom deze Basic Machine Learning training?

Deze training is ideaal voor iedereen die praktisch aan de slag wil met het opzetten van machine learning modellen. De training omvat het begrijpen van de terminologie, het selecteren van het juiste model en opzet zodat het leren zonder fouten verloopt.

Leerdoelen

• Inzicht in het verschil tussen supervised en unsupervised modellen
• Toepassen van classificatie en regressiemodellen
• Toepassen van dimensionaliteitsreductie
• Toepassen van hyperparameter optimalisatie om overfitten te verminderen
• Het opzetten van een solide workflow met train en testsets, cross-validatie en pipelines om datalekken te voorkomen
• Het afwegen van bias en variance
• Het toepassen en visualiseren van diverse soorten evaluaties, zoals een ROC-curve en confusion matrix bij classificatiemodellen.
• Het gebruiken van de scikit-learn library
• Het trainen van diverse machine learning modellen zoals SVM, Random Forest, Linear Regression, Naive Bayes, Nearest Neighbors

Doelgroep

Deze training is bedoeld voor: programmeurs, data analisten en data scientists die de eerste stappen willen zetten in het opzetten van machine learning modellen.

Vereisten

Ervaring met Python is vereist: basale visualisatie en data processing (bijvoorbeeld met behulp van Matplotlib en Pandas). Basale kennis van statistiek is een pré.