Python en Machine learning

Als je al een poosje bezig bent met data dan heb je vast de term Machine Learning wel eens voorbij horen komen. Maar wat is het eigenlijk precies? En vooral, waar kun je het voor inzetten? Dat zijn precies de vragen waar we je in deze training mee gaan helpen. Zo ga je aan de slag met modellen voor verschillende soort van data. Leer je data voorbewerken, een model trainen en opties om je model te valideren. 

Wees je er wel van bewust dat Machine Learning draait om programmeren en er komt een flinke portie wiskunde voorbij. Het vraagt dus wel een ruime voorkennis van Python en je moet ook niet vies zijn van wiskunde en statistiek. Maar als jij helemaal warm wordt van termen als precision, recall, distributies en gradiënten dan is deze training sowieso te gek!

Kortom wil je praktisch aan de slag met Machine Learning en wil je in drie dagen leren hoe je je eigen modellen kunt gaan implementeren, dan is deze training voor jou.  

Het inschrijfgeld bedraagt € 2.085,- per persoon (exclusief 21% BTW). Het inschrijfgeld is inclusief cursusmateriaal, lunch en koffie/thee en na afloop van de cursus ontvang je een certificaat.

Inschrijven  

Onderwerpen

• Introductie in Machine Learning: historie, toepassingen en waar staan we nu?


• Wiskundige concepten: Machine Learning gaat vaak over wiskundige concepten. We leren je over manieren om de kwaliteit van je model uit te drukken (Precision, recall, AUC en ROC), hoe de data is verdeeld (distributies) en manieren om je model te verbeteren (gradiënten en optimalisatie).


• Data prepareren: een model is onder andere zo goed als de data die je erin stopt. Daarom is het belangrijk om je data vooraf te schalen, filteren en/of te repareren. 


• Python: deze taal ligt vaak ten grondslag aan Machine Learning modellen. Daarom kijken we naar veel gebruikte tools zoals Scikit-learn, Tensorflow en Keras. 


• Classificatie: een toepassing van Machine Learning is het voorspellen bij welke groep iets of iemand hoort. Daarvoor gebruiken we verschillende clustering modellen zoals Logistische regressie, Decision tree, K nearest neighbours en Deep Learning. 


• Clustering: hier gaan we data van labels voorzien door clusters aan te maken. Dit helpt om het model effectievere beslissingen te laten nemen. 


• Dimensie reductie: door het reduceren van parameters wordt het model minder complex. Je leert technieken om een model te vereenvoudigen zoals PCA, LDA, tSNE en UMAP.


• Regressie: deze techniek gebruik je om een trend vooruit in de tijd te plotten. 


• Deep learning: in de training komen ook de concepten rondom Deep Learning aan bod. Je kunt hier complexe modellen mee oplossen. 


• Validatie en tuning: een goed model kan niet zonder trainen, testen en validatie. We besteden daar in de training dus ook veel aandacht aan. 

Voor wie?

Deze cursus van 3 dagen is voor iedereen die een goede voorkennis heeft van Python. Je hebt minimaal kennis nodig op het niveau van onze Python Advanced training en onze training Python voor data analytics. Daarnaast komen er veel wiskundige aspecten aan bod. Die leggen we tijdens de training uit maar enige voorkennis op wiskundig gebied helpt zeker. 

Wat levert het op?

Aan het einde van de training heb je geleerd hoe hoe je Machine Learning in de praktijk kunt gaan toepassen. Je kunt het juiste model kiezen voor jouw toepassing en weet hoe je een model kunt trainen, tunen en valideren. Daarnaast kun je de uitkomsten interpreteren. Kortom, je bent klaar voor de eerste stappen op het gebied van Machine Learning!

Inschrijven

Het inschrijfgeld bedraagt € 2.085,- per persoon (exclusief 21% BTW). Het inschrijfgeld is inclusief cursusmateriaal, lunch en koffie/thee.

De lessen vinden plaats van 09:30 tot 16:30 uur. Na aanmelding ontvang je ongeveer een week van tevoren een email met de exacte gegevens over de locatie, routebeschrijving etc.

  Inschrijven