In dit hoofdstuk definiëren we machine learning en de relatie met data science en kunstmatige intelligentie. Daarna ontrafelen we belangrijk machine learning-jargon 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 echte stap

Wat is Machine Learning?

Nu je de basis van machine learning kent, gaan we een stapje dieper. Aan het eind van dit hoofdstuk ken je de verschillende typen machine learning en weet je hoe je je modellen evalueert en verbetert.

Supervised learning

Warming-up

Regressie met klasse

Unsupervised learning

We don't need no supervision

Clusters verkennen

Prestaties evalueren

Waar of niet waar?

Land van verwarring

Prestaties verbeteren

It's a long way to the top

Onderzoek hyperparametertuning

Machine Learning-modellen

In dit hoofdstuk ontrafelen we deep learning, te beginnen met neurale netwerken. Vervolgens kijken we van dichterbij naar twee veelvoorkomende use-cases voor deep learning: computer vision en natural language processing. We ronden de cursus af met de grenzen en gevaren van machine learning.

Deep learning

Uitspraken

Waar

Onwaar

Wat is deep learning?

Moet ik deep learning gebruiken?

Computer vision

Beeldgegevens

Proces van een neuraal netwerk

Het proces

Natural language processing

Sentimentanalyse

Opties

Traditionele Machine Learning

Machine-learningtaken classificeren

Bag-of-words

Grenzen van machine learning

Taken

Black Box

Explainable AI

To black box or not to black box?

Bias opsporen in het voorspellen van wanbetaling op leningen

Gefeliciteerd!

Course Glossary: Understanding Machine Learning

Wat schuilt er achter de machine learning-hype? In deze niet-technische cursus leer je alles wat je altijd al wilde weten over machine learning, maar niet durfde te vragen. Je hoeft niet te programmeren. Met praktische oefeningen kom je voorbij het jargon en ontdek je hoe deze spannende technologie alles aandrijft: van zelfrijdende auto's tot je persoonlijke Amazon-aanbevelingen.

Hoe werkt machine learning, wanneer kun je het gebruiken en wat is het verschil tussen AI en machine learning? Het komt allemaal aan bod. Bouw vaardigheden op in dit enorm gevraagde en invloedrijke vakgebied en ontdek waarom machine learning voor iedereen is!

De video's bevatten live-transcripties. Je opent die door onderaan links op "Transcriptie" te klikken.

De woordenlijst van de cursus vind je rechts bij de bronnen.

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

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

Machine Learning begrijpen

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 die zijn geïnspireerd op de menselijke hersenen, zogenaamde neurale netwerken.

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

Deep learning verdient altijd de voorkeur boven traditionele machine learning.

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

Het aantal neuronen in een neuraal netwerk is beperkt.

Wat is deep learning?

Machine Learning begrijpen

Interactieve oefening met praktijkervaring