Na het volgen van deze cursussen voel ik me zeker genoeg om professionele visualisaties en dashboards te maken
Shoebur RahmanInkoopspecialist, Giz Bangladesh
Cursusbeschrijving
Leer de basis van machine learning
Deze cursus laat bedrijfsleiders kennismaken met de belangrijkste dingen van machine learning. We gaan ons richten op de belangrijkste inzichten en basisprincipes voor het structureren van zakelijke vragen als modelleringsprojecten met de machine learning-teams.
Duik in de details van het model
Je leert de verschillende soorten modellen kennen, welke zakelijke vragen ze helpen beantwoorden of welke kansen ze kunnen blootleggen. Ook leer je situaties herkennen waarin machine learning NIET moet worden toegepast, wat net zo belangrijk is. Je leert het verschil tussen conclusies trekken en voorspellingen doen, kansen en bedragen voorspellen, en hoe je met onbegeleid leren een goede strategie voor klantsegmentatie kunt maken.
Vereisten
Er zijn geen vereisten voor deze cursus
Lesprogramma
Cursusoverzicht
1
Machine Learning en datagebruikscases
Machine Learning wordt in veel verschillende sectoren en vakgebieden gebruikt. Als het goed wordt toegepast, kan het het bedrijf fundamenteel verbeteren. Dit hoofdstuk schetst gebruikscases voor Machine Learning, functierollen en hoe die passen in de databehoeftepiramide.
- Machine learning en de datapiramide50 XP
- Termen verduidelijken50 XP
- Orden behoeften van de datapiramide100 XP
- Koppel taken aan de data-piramide100 XP
- Machine learning-principes50 XP
- Soorten modellen50 XP
- Vind supervised- en unsupervised-cases100 XP
- Functierollen, tools en technologieën50 XP
- Verantwoordelijkheden per functie50 XP
- Koppel dataprojecten aan functierollen100 XP
- Soorten teamstructuren100 XP
2
Typen Machine Learning
Dit hoofdstuk geeft een overzicht van verschillende typen Machine Learning. We bekijken de verschillen tussen causale en voorspellende modellen, verkennen supervised en unsupervised learning en begrijpen tot slot de subtypen van supervised learning: classificatie en regressie.
3
Zakelijke vereisten en modelontwerp
Dit hoofdstuk behandelt de belangrijkste stappen om zakelijke vereisten af te bakenen, Machine Learning-kansen te identificeren en te schatten, de modelprestaties te beoordelen en eventuele prestatierisico’s in het proces te identificeren.
4
Machine Learning-projecten managen
Dit hoofdstuk gaat in op best en worst practices voor het managen van Machine Learning-projecten. We benoemen de meest voorkomende fouten in Machine Learning, leren hoe je de communicatie tussen de business en ML-teams managet en pakken tot slot de uitdagingen aan bij het uitrollen van Machine Learning-modellen naar productie.
R
Machine Learning voor Business
Cursus
voltooid
