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

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 of confusion

Prestaties verbeteren

Opties

Hyperparameterafstemming

Dimensiereductie

Ensemblemethoden

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

Wat is deep learning?

Moet ik deep learning gebruiken?

Computer vision

Beeldaan gegevens

Het proces

Natural Language Processing

Sentimentanalyse

Machine-learningtaken classificeren

Bag-of-words

Grenzen van Machine Learning

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

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

Interactieve oefening met praktijkervaring