In this chapter,  we'll define machine learning and its relation to data science and artificial intelligence.  Then, we'll unpack important machine learning jargon and end with the machine learning workflow for building models.

What is machine learning?

Generating movie recommendations

AI, data science, and machine learning walk into a bar...

What's true about machine learning?

Machine learning concepts

Machine learning lingo

Supervised vs unsupervised

Machine learning workflow

Steps for building a model

A true step

What is Machine Learning?

Now that you know the basics of machine learning, let's dive a little bit deeper. At the end of this chapter, you will know the different types of machine learning, as well as how to evaluate and improve your models.

Supervised learning

Opwarmen

Taken

Classificatie

Regressie

Regressie met klasse

Unsupervised learning

Supervised

Unsupervised

We don't need no supervision

Allemaal clusteren!

Prestaties evalueren

Waar

Niet waar

Waar of niet waar?

Land of confusion

Prestaties verbeteren

Opties

Hyperparameterafstemming

Dimensiereductie

Ensemblemethoden

It's a long way to the top

Verken hyperparameter-tuning

Machine Learning Models

In this chapter, we'll unpack deep learning beginning with neural networks. Next, we'll take a closer look at two common use-cases for deep learning: computer vision and natural language processing. We'll wrap up the course discussing the limits and dangers of machine learning.

Deep learning

What is deep learning?

Should I use deep learning?

Computer vision

Image data

The process

Natural Language Processing

Sentiment analysis

Classifying machine learning tasks

Bag of words

Limits of machine learning

To black box or not to black box?

Spotting bias in machine learning

Congratulations!

Deep 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

AI-basisprincipes

Inzicht in datakwesties

Confusion matrices worden gebruikt om classificatieprestaties te evalueren.

Het evalueren van de prestaties van een unsupervised learning-model is lastiger en hangt af van je oorspronkelijke doelen.

Een False Positive is een waarde die als positief werd voorspeld, terwijl deze in werkelijkheid negatief is.

Accuracy is altijd een informatieve en bruikbare maatstaf.

Een False Negative is een waarde die als positief werd voorspeld, terwijl deze in werkelijkheid negatief is.

Waar of niet waar?

Inzicht in Machine Learning

Praktische interactieve oefening