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

Taken

Classificatie

Regressie

Regressie met klasse

Unsupervised learning

Supervised

Unsupervised

We don't need no supervision

Clusters verkennen

Prestaties evalueren

Waar

Niet waar

Waar of niet waar?

Land van verwarring

Prestaties verbeteren

Opties

Hyperparameterafstemming

Dimensiereductie

Ensemblemethoden

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

Wat is deep learning?

Moet ik deep learning gebruiken?

Computer vision

Beeldgegevens

Het proces

Natural language processing

Sentimentanalyse

Machine-learningtaken classificeren

Bag-of-words

Grenzen van machine learning

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

Verwarringsmatrices worden gebruikt om classificatieprestaties te evalueren.

Het beoordelen 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 die in werkelijkheid negatief is.

Nauwkeurigheid is altijd een informatieve en bruikbare maatstaf.

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

Waar of niet waar?

Machine Learning begrijpen

Interactieve oefening met praktijkervaring