Wat houdt de training in?
In deze twee- of drie-daagse training nemen we je hands-on mee met het opzetten van een data science project, en wat er allemaal bij komt kijken. Je leert van alles over machine learning algoritmes, het prepareren van een dataset, het trainen en valideren van het model en het live brengen en houden van een model. Python of programmeer-voorkennis is handig, maar niet vereist.
Deel 1: Wat is data science en hoe zet je een project op?
· Wat verstaan we onder data science?
· Waarom is data science zo popular?
· Wat komt er allemaal kijken bij een data science project?
o Intakefase
o Bouwfase
o Productiefase
· Welke type algoritmes zijn er?
· Belangrijke concepten:
o Ontwikkelset & validatieset
o Overfit & underfit
· Hoe werken de bekendste algoritmes?
· Hoe bouw ik mijn eerste model?
Deel 2: Hoe zorg ik voor geschikte data?
· Hoe maak ik mijn data schoon?
· Hoe structureer ik mijn data?
· Hoe visualiseer ik mijn data?
· Hoe maak ik mijn eerste features?
· Hoe weet ik of een feature goed is?
· Hoe selecteer ik de beste feature?
Deel 3: Hoe maak ik een robust model?
· Hoe valideer ik mijn model?
· Hoe definieer ik een baseline?
· Hoe maak ik een goede validatieset?
· Welke validatiemethodes zijn er?
· Welke validatiemetrieken zijn er?
· Hoe visualiseer ik de resultaten?
· Hoe gebruik ik scikit-learn voor validatie?
Deel 4: Neurale netwerken en meer
· Neurale netwerken:
o Welke basisconcepten zijn er?
o Wanneer kun je beter voor een neuraal netwerk kiezen?
o Welke activatiefuncties zijn er?
o Welke types neurale netwerken zijn er?
o Welke belangrijke begrippen zijn er nog meer?
o Hoe maak je je netwerk robuust?
o Welke Python libraries zijn er?
· Welke tooling is nuttig om eens naar te kijken?
· Wrap-up
Voor wie?
Deze masterclass is bedoeld voor professionals die een praktische introductie willen in data science en AI. Het is geschikt voor zowel beginners zonder programmeerervaring als mensen met enige kennis van Python, die willen leren hoe ze een data science-project kunnen opzetten en uitvoeren, inclusief het trainen en implementeren van machine learning-modellen.
