Cursusaanbod
- Inleiding tot ML Machine learning als onderdeel van kunstmatige intelligentie Soorten ML ML-algoritmen Uitdagingen en potentieel gebruik van ML Overfitting en bias-variantie-afweging in ML Technieken van machine learning De machine learning-workflow Begeleid leren – classificatie, regressie Niet-gesuperviseerd leren – Clustering, Anomaliedetectie Semi-supervised learning en Reinforcement Learning Overweging bij machinaal leren Gegevensvoorverwerking Gegevensvoorbereiding en -transformatie Functie-engineering Functieschaling Dimensionaliteitsreductie en selectie van variabelen Datavisualisatie Verkennende analyse Casestudies Geavanceerde functie-engineering en impact op resultaten bij lineaire regressie voor voorspellingen Tijdreeksanalyse en Voorspelling van het maandelijkse verkoopvolume - basismethoden, seizoensaanpassing, regressie, exponentiële afvlakking, ARIMA, neurale netwerken Marktmandanalyse en mining van associatieregels Segmentatieanalyse met behulp van clustering en zelforganiserende kaarten Classificatie welke klant waarschijnlijk in gebreke zal blijven met behulp van logistische regressie, beslissing bomen, xgboost, svm
Vereisten
Kennis en bewustzijn van Machine Learning fundamentele zaken
Testimonials (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Cursus - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.