Verbind datavoorbereiding en praktijkprojecten met zorgvuldige vergelijking van modellen en voorspellingen.
Volg voorbeelden van datavoorbereiding naar classificatie, clustering en tijdreeksvoorspelling. Oefen met het definiëren van doelen, voorkomen van datalekken, vergelijken met een baseline en het benoemen van beperkingen. De opdrachten gebruiken openbare of synthetische data en benadrukken reproduceerbaarheid en onzekerheid.
Maak een voorbereidingsplan met ontbrekende waarden, codering, doelvariabele en scheiding van train- en testdata. Leg het verschil uit tussen classificatie, clustering en voorspellen in de tijd. Beoordeel een resultaat tegenover een baseline en benoem wat nodig is vóór toepassing op een nieuwe groep of periode.
Basiskennis van Python, tabellen en machinelearningbegrippen is aanbevolen. Opdrachten kunnen ook schriftelijk worden gemaakt. Gebruik openbare of synthetische data, geen persoonsgegevens, en gebruik een cursusproject niet als bewijs voor een beslissing met gevolgen.
Cursisten met basiskennis die praktische, zelfstandige vaardigheden willen opbouwen
Mensen die het beste leren met voorbeelden, begeleide lessen en praktische oefeningen
Professionals, makers en zelfstandige bouwers die een herhaalbare werkwijze zoeken
Les 1 is gratis
4 lessen · Gemiddeld · Volledige cursus.
Deze cursus gebruikt CC BY-gelicentieerd materiaal met naamsvermelding van de inhoudsprovider of uploader. Lesvideo’s zijn alleen na aanmelding beschikbaar wanneer de publicatie- en licentiecontroles zijn geslaagd.