Training: Modelling
In de kern draait data science om het creëren van een model. Maar wat is een model eigenlijk precies? Wat voor typen modellen zijn er en hoe zet je zo’n model op? Wat is bias en variantie? In deze training komen zowel fundamentele vragen als toepasbare modellen aan de orde en zullen we de mystiek rondom modellen trachten weg te nemen.
Onderwerpen die aan bod komen:
- Introductie en overzicht van ML modellen
- Motivatie en achtergrond van modelleren
- Supervised vs. unsupervised learning
- Overzicht van verschillende populaire modellen als lineaire en logistische regressie, decision trees, k-means clustering en neurale netwerken
- Variabelen en parametrisering. Bias vs variance
Programma dag 1
- 09:00 Welkom
- 09:15 Ochtend programma
- 12:30 Lunch
- 13:30 Middag programma
- 16:30 Dag afsluiting
Programma dag 2:
- 09:00 Welkom
- 09:15 Ochtend programma
- 12:30 Lunch
- 13:30 Middag programma
- 16:30 Afsluiting
- 17:00 Einde training
Doelgroep:
- Je hebt geen formele data science achtergrond
- Je wilt aan de slag met data analyse en hebt interesse in de meer wiskundige kant die de kern vormt van data science
- Je hebt weinig of geen ervaring met Python
De trainers van Bredius DataLab zijn echte specialisten met veel praktijkervaring. Maak kennis met het Bredius DataLab team.
Neem contact op voor een in-company training bij u op locatie (minimaal 6 deelnemers).
Onderdeel leerlijn
CRISP-DM
- 2 Dagen
- 1.450 Euro
Praktische en interactieve trainingen
Op locatie en in kleine groepen
Trainers met jarenlange ervaring
Geen beeldscherm training, maar live met trainer
Gerelateerde trainingen
Bekijk ook onze andere trainingen.
Training: Modelling
In de kern draait data science om het creëren van een model. Maar wat is een model eigenlijk precies? Wat voor typen modellen zijn er en hoe zet je zo'n model op? Wat is bias en variantie? In deze training...
Training: Data analyse adhv CRISP-DM
Introductie, motivatie en overzicht van alle werkzaamheden die komen kijken bij data analyse, waarbij uit wordt gegaan van CRISP-DM methodologie. Alle fases komen aan bod: Business Understanding, Data Understanding, Data Preparation, Modelling, Evaluation en Deployment.
Training: Spark essentials
Introductie in Spark, waarom zou je het gebruiken en vooral wanneer. Voor degenen die bekend zijn met bijvoorbeeld Python is beginnen met Spark redelijk recht toe recht aan. Tijdens de training zetten we een volgende stap. Hoe haal je nu...
Training: Feature engineering
Introductie, motivatie en overzicht van Feature Engineering mogelijkheden. Onderwerpen die aan bod zullen komen zijn onder andere PCA, Fourier transform.
Training: Regressie
De moeder aller regressie methodes is lineaire regressie op basis van kleinste kwadraten. Maar daarnaast zijn er nog vele andere regressie methodes beschikbaar, denk aan logistische regressie, maar ook lasso regressie, ridge regressie, etc. In deze training beginnen we bij...
Training: Deployment
Aan een model alleen heb je niets als het niet daadwerkelijk gebruikt wordt. De stap van een goed presterend model naar implementatie van het model heeft nog heel wat voeten in de aarde en is totaal anders dan het ontwerpen...
Training: Samenwerken aan modellen
In het onderzoek naar een ideaal model worden vele stappen gezet, maar de ervaring leert dat ook vaak veel stappen meerdere keren worden uitgevoerd. Hoe kun je ervoor zorgen dat je optimaal gebruik maakt van alle stappen die door andere...
Training: CRISP-DM
Data wordt vaak omschreven als "het nieuwe goud" en daar valt veel voor te zeggen. Dat betekent niet dat data direct goud is, maar hetis een grondstof zijn om potentieel waardevolle dingen mee te maken. Datamining is het proces van...
Training: Data analyse elektromotor
Bij Predictive Maintenance denkt men vaak automatisch aan trillingsanalyse. De motorstroom bevat echter ook een schat aan informatie. Hoe kun je dit signaal inzetten om faalvormen te vinden in de elektromotor of drive train? Deze training geeft een introductie tot...
