Machine Learning-tutorial

In deze tutorial leer je over absolute en gewogen woordfrequentie in text mining en hoe je die berekent met defaultdict en pandas DataFrames.

In deze tutorial maak je kennis met de wereld van Machine Learning (ML) met Python. Om ML in de praktijk te begrijpen, gebruik je een bekende machinelearningmethode genaamd K-Nearest Neighbor (KNN) met Python.

In deze tutorial over deep learning in R met RStudio's keras-pakket leer je een Multi-Layer Perceptron (MLP) bouwen.

Leer SARSA, een on-policy reinforcement learning-algoritme. Begrijp de update-regel, hyperparameters en verschillen met Q-learning met praktische Python-voorbeelden en de implementatie ervan.

Ontdek active learning, een vorm van semi-supervised machine learning: van de definitie en de voordelen tot toepassingen en modern onderzoek ernaar.

Leer de Adagrad-optimalisatietechniek kennen, inclusief de belangrijkste voordelen, beperkingen, implementatie in PyTorch en use-cases voor het optimaliseren van machinelearningmodellen.

Begrijp en implementeer de Adam-optimizer in Python. Leer de intuïtie, wiskunde en praktische toepassingen in machine learning met PyTorch

Apache Spark-tutorial laat je kennismaken met big data-verwerking, analyse en ML met PySpark.

Verborgen patronen ontdekken in Python met association rule mining

In deze tutorial leer je hoe je een autoencoder als classifier gebruikt in Python met Keras. Je gebruikt de Fashion-MNIST-dataset als voorbeeld.

Leer over geautomatiseerd machine learning en hoe je het kunt doen met auto-keras.

Leer hoe je data- en modelvalidatie uitvoert om robuuste ML-prestaties te waarborgen met onze stapsgewijze gids voor het automatiseren van testen met DeepChecks.