Plan kostbare experimenten met probabilistische surrogaten en acquisitiestrategieën.
Van motivatie voor Bayesiaanse optimalisatie naar surrogate-gebaseerd experimenteel ontwerp en geautomatiseerde prestatietuning. Je redeneert over onzekerheid, acquisitiekeuzes, ruis en praktische beperkingen zoals evaluatiekosten en parameterruimten. De cursus benadrukt reproduceerbare vergelijkingen met random search en zorgvuldige rapportage van het zoekbudget.
Leg uit hoe een probabilistisch surrogaat en acquisitieregel opeenvolgende objectiefevaluaties sturen. Kies zoekruimten en validatieprotocollen voor gemengde, begrensde, ruisgevoelige of kostbare parameters. Vergelijk Bayesiaanse optimalisatie en random of grid search bij een gelijk budget en rapporteer onzekerheid en reproduceerbaarheid.
Kennis van begeleid machine learning, hyperparameters en basiswaarschijnlijkheid is aanbevolen. Grafieken kunnen interpreteren helpt; ervaring met Gaussian-processimplementaties is niet vereist.
Ervaren cursisten die geavanceerde AI-vaardigheden willen verdiepen en toepassen
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 · Gevorderd · 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.