In dit hoofdstuk definiëren we Machine Learning en de relatie met data science en kunstmatige intelligentie. Daarna ontrafelen we belangrijk jargon rond Machine Learning en sluiten we af met de Machine Learning-workflow voor het bouwen van modellen.

Wat is Machine Learning?

Filmaanbevelingen genereren

AI, data science en machine learning lopen een bar binnen...

Wat is waar over Machine Learning?

Machine learning-concepten

Machine learning-jargon

Supervised vs unsupervised

Machine learning-workflow

Stappen voor het bouwen van een model

Een echt juiste stap

Nu je de basis van Machine Learning kent, duiken we iets dieper. Aan het einde van dit hoofdstuk ken je de verschillende typen Machine Learning en weet je hoe je je modellen kunt evalueren en verbeteren.

Supervised learning

Opwarmen

Regressie met klasse

Unsupervised learning

We don't need no supervision

Clusters verkennen

Prestaties evalueren

Waar of niet waar?

Land of confusion

Prestaties verbeteren

It's a long way to the top

Onderzoek hyperparameter tuning

Machine Learning-modellen

In dit hoofdstuk ontrafelen we Deep Learning, te beginnen met neurale netwerken. Vervolgens kijken we van dichtbij naar twee veelvoorkomende toepassingen van Deep Learning: computer vision en natural language processing. We ronden de cursus af met de grenzen en risico’s van Machine Learning.

Deep learning

Uitspraken

Waar

Onwaar

Wat is deep learning?

Moet ik deep learning gebruiken?

Computer vision

Beeldaan gegevens

Proces van een neuraal netwerk

Het proces

Natural Language Processing

Sentimentanalyse

Options

Traditional Machine Learning

Machine-learningtaken classificeren

Bag-of-words

Grenzen van Machine Learning

Tasks

Black Box

Explainable AI

To black box or not to black box?

Vooroordelen opsporen in voorspellingen van wanbetaling op leningen

Gefeliciteerd!

Deep Learning

Course Glossary: Understanding Machine Learning

Wat schuilt er achter de hype rond Machine Learning? In deze niet-technische cursus leer je alles wat je altijd al wilde weten over Machine Learning. Je hoeft niet te programmeren. Praktische oefeningen helpen je voorbij het jargon zodat je ontdekt hoe deze technologie alles aandrijft, van zelfrijdende auto’s tot je persoonlijke Amazon-aanbevelingen.

Hoe werkt Machine Learning, wanneer kun je het inzetten en wat is het verschil tussen AI en Machine Learning? Het komt allemaal aan bod. Ontwikkel vaardigheden in dit enorm gewilde en invloedrijke vakgebied en ontdek waarom Machine Learning voor iedereen is!

De video’s bevatten live-transcripts. Je opent ze door linksonder de video op "Show transcript" te klikken.

De verklarende woordenlijst van de cursus vind je rechts in de sectie met bronnen.

Om CPE-credits te behalen, moet je de cursus afronden en minimaal 70% scoren op de gekwalificeerde toets. Je navigeert naar de toets via de CPE-creditsvermelding aan de rechterkant.

Deze cursus van twee uur leert essentiële ML-concepten zoals vocabulaire, modellen en deep learning.

Inzicht in Machine Learning

Een introductie tot machine learning zonder coderen.

AI-basisprincipes

Inzicht in datakwesties

Complexere problemen zoals beeldclassificatie kunnen veel sneller worden opgelost met deep learning dan met traditionele machine learning.

Deep learning is een deelgebied van machine learning dat zich bezighoudt met algoritmen geïnspireerd op de menselijke hersenen, zogenoemde neurale netwerken.

Als er weinig domeinkennis is en je niet zeker weet welke kenmerken precies gebruikt moeten worden, kun je deep learning inzetten.

Deep learning heeft altijd de voorkeur boven traditionele machine learning.

Je moet de kenmerken op hoger niveau zelf bepalen tijdens het trainen van de data.

Het aantal neuronen in een neuraal netwerk is beperkt.

Wat is deep learning?

Inzicht in Machine Learning

Interactieve oefening met praktijkervaring