Cursus Python Machine Learning
In deze cursus leer je de basis van kunstmatige intelligentie in Python, het meest vooruitstrevende vakgebied van de 21e eeuw. Hoe kunnen we computers de mogelijkheid geven te leren? Dit sluit direct aan op de cursus Python Gevorderd of de specialisatiecursus Python Data Analyst. Na deze cursus kan je zelflerende programma’s maken en inzichten opdoen uit datasets die met het menselijk oog niet mogelijk zijn. Je leert wat neural networks zijn, hoe je regressie kunt toepassen en het schrijven van je eigen algoritmes. De focus ligt op de Keras, Tensorflow en Scikit Learn packages, de meest gebruikte packages voor data kunstmatige intelligentie wereldwijd. Deze cursus is praktisch ingesteld en we gaan gelijk zelf aan de slag.
Welke voorkennis heb je nodig?
Voor deze gevorderde cursus is een niveau noodzakelijk gelijkwaardig aan onze cursussen Python Basis en Python Gevorderd en de basis van de Pandas package.
Basis Engels is belangrijk, de cursus wordt gegeven in het Nederlands en de begrippen in Python zijn Engels.
Daarnaast enige kennis van wiskunde (bij voorkeur niveau: Wiskunde B HAVO eindexamen). Bij twijfel kunnen we onze skills-toets Programmeren inzetten, vraag hiernaar.
Wat leer je in deze cursus?
In deze cursus leer je alle concepten van Python die te maken hebben met kunstmatige intelligentie, denk aan programma’s die voorspellingen kunnen maken. Bijvoorbeeld een programma wat snapt of er een kat of hond op een foto staat, of een programma wat kan voorspellen of iemand wel of niet een bepaalde aankoop gaat doen. Dagen zijn opgebouwed in 6 blokken, waarin we beginnen met een stuk presentatie, steeds gevold door praktische opdrachten en korte pauze’s. Naast het maken van uitdagende opdrachten gaan we onze eigen projecten coderen in Python. We werken in Jupyter Notebook, een open source webapplicatie, en Visual Studio Code, waarin we Python code kunnen schrijven en uitvoeren. Je gaat gelijk zelf aan de slag en wordt intensief begeleidt. Denk aan het maken van je eigen projecten, automatiseren van data-processen en het maken van visualisaties. De packages die centraal staan in deze cursus zijn Keras, Scikit Learn, Numpy en Pandas.
Voor wie is deze cursus bedoeld?
Deze Python specialisatie cursus is voor iedereen die verder wilt met programmeren in Python en dit toe wilt passen binnen bedrijven of de wetenschap. Er is een enorme vraag naar ICT’ers, en deze cursus is een goede springplank om je verder ontwikkelen in verschillende richtingen binnen deze wereld.
Op wat voor functietitels bereidt deze cursus u voor?
- Artificial Intelligence specialist
- Machine learning engineer
- Data analyst
- (Back-end) developer
- Data engineer
- Automation engineer
Wat is een logisch vervolg op deze cursus?
Na deze cursus kan het een goed idee zijn om je verder te specialiseren op het gebied van Python. Denk bijvoorbeeld aan de cursus Python Data Analyst.
- Keras
- Scikit Learn
- Pandas
- Matplotlib
- Epochs
- Loss function
- Weights
- Voorspellingen
- Classificatie
- Machine learning
- Lineaire regressie
- Logistische regressie
- Decision Trees
- Support Vector Machines
- Neural Networks
- Convolutional Neural Networks
1
Startdatum en locatie
- Cursusdata & startgarantie
- Wij streven ernaar om de cursus te laten plaatsvinden op de door jou gekozen cursusdatum en locatie. Om de planning rond te krijgen kan het echter gebeuren dat de cursus op de genoemde datum of locatie verplaatst moet worden om doorgang te kunnen garanderen. Dit zal altijd in overleg gebeuren. Cursusdata met het label Startgarantie zullen gegarandeerd op die locatie en datum plaatsvinden.
Mocht er geen geschikte datum tussen zitten, neem dan contact op voor de mogelijkheden. - Hybride cursus
- Wanneer je door omstandigheden niet in staat bent om de cursus op locatie bij te wonen, is het mogelijk om de cursus vanuit huis te volgen. Wanneer je de cursus vanuit huis wilt volgen dien je dit minimaal een week vóór aanvang van de eerste cursusdag bij ons kenbaar te maken. Voor de beste leerervaring adviseren wij om de cursus (indien mogelijk) op locatie te volgen.
| Start: | Locatie: | Alle lesdagen: |
| do 02 nov | Rotterdam | , , |
| do 02 nov | Utrecht | , , |
| do 02 nov | Amsterdam | , , |
| ma 08 jan | Rotterdam | , , |
| ma 08 jan | Utrecht | , , |
| ma 08 jan | Amsterdam | , , |