Machine Learning met Python: basiskennis

In deze training komen de belangijkste aspecten van 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 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.

Kalender

datumduurtaalplaatsprijs 
18 jan3web based 1650 EUR (excl. BTW)
28 apr3Leuven 1650 EUR (excl. BTW)
SESSIE-INFO EN INSCHRIJVEN

Doelgroep

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

Voorkennis

Een redelijke basiskennis van Python is een vereiste (zie de training Python: basiscursus),

Inhoud

  • Basisconcepten en technieken van Machine Learning:
  • Supervised learning versus unsupervised learning
  • Train- & test-data; cross-validatie
  • Nauwkeurigheid; "confusion"-matrix
  • Overfitting versus onderfitting; afweging bias/variantie; validatiecurves
  • Regularizatie
  • De verschillende modellen die met Machine Learning kunnen getraind worden:
  • Lineare & polynomiale regressie; Ridge-regressie
  • Logistic regressie & classificatie
  • Clustering: K-means & hiërarchische clustering
  • Anomalie-detectie
  • Dimensionaliteitsreductie: PCA & LDA
  • Decision trees & random forests
  • 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.

Duur

3 dagen.

Docent

Peter Vanroose.


SESSIE-INFO EN INSCHRIJVEN