Platform voor starters in de geosector
200 cursussen, 20 online supports, 60 moocs,
50 trainees, omscholers, specialisten en docenten
Leslocaties: Apeldoorn, Virtueel(online), In company
Cursus: Machine Learning met Python
De cursus Machine Learning met Python duurt 3 dagen en kost € 1695,- excl. BTW. Basiskennis van Python is een een vereiste en kennis van statistische methoden is vereist.
Omschrijving
In deze cursus wordt u bekend gemaakt met de belangrijkste terminologie binnen ML en leert u zelf ‘supervised’ en ‘unsupervised’ modellen te trainen met behulp van de Python-distributie Anaconda.
Inhoud
De cursist leert te werken met essentiële Python-libraries voor ML, zoals Scikit-Learn en Jupyter Notebook. Deze cursus is bedoeld voor mensen die reeds ervaring hebben met programmeren in Python, maar nog niet eerder iets met ML hebben gedaan. Allereerst leert u Anaconda te installeren en op te zetten op uw computer. Daarna gaat u aan de slag met Jupyter Notebook en leert u de andere Python-libraries – NumPy, SciPy, matplotlib en pandas – kennen. Vervolgens traint en test u een eerste model om uw kennis in de praktijk te brengen. De
resultaten leert u weer te geven met de matplotlib-library. Op de tweede cursusdag zult u de belangrijkste typen ‘supervised’ modellen, zoals classificatie en regressie, leren te implementeren. Ook gaan we in op het pre-processen (voorbereiden) van de data. Op de derde cursusdag gaat u aan de
slag met clusteralgoritmes, een type ‘unsupervised’ model. Tijdens de gehele cursus breidt u uw woordenschat op het gebied van ML uit, bijvoorbeeld met woorden als ‘overfitting’, ‘prediction’ en ‘validation data’. In de cursus wordt niet alleen de praktische kant behandeld, maar leert u ook hoe u een
ML-probleem kunt definiëren voor uw eigen datavragen.
Dagindeling
Dag 1 – Introductie van libraries
- Anaconda installeren;
- Een Jupyter Notebook creëren;
- De ML-libraries gebruiken;
- Een model trainen op een dataset;
- De resultaten presenteren met matplotlib.
Dag 2 – Supervised-modellen
- Classificatie;
- Regressie;
- Over- en underfitting;
- Supervised-modellen, zoals KNN en decision trees.
Dag 3 – Unsupervised-modellen
- Uitdagingen;
- Preprocessing en scaling;
- Clustering;
- Eindproject.
Leerdoelen
- U kent de belangrijkste terminologie binnen de ML;
- U bent in staat om uw eigen data te pre-processen tot bruikbare trainingsdata;
- U bent in staat zelfstandig ML-modellen te trainen en toe te passen;
- U kunt het succes van uw model (objectief) evalueren;
- U kunt grafische representaties maken van uw modellen.
Wellicht heeft u ook interesse in:
