Leer de basis van leertaken, modellen en betrouwbare datasplitsing.
Een instaproute van het basisidee van machine learning naar leertypen, modelbegrippen en het zorgvuldig splitsen van gegevens. Je vergelijkt voorbeelden van leren met en zonder labels en van leren op basis van beloningen. Daarna onderzoek je waarom trainings- en evaluatiegegevens gescheiden moeten blijven. De afsluitende oefening gebruikt een kleine dataset die je mag gebruiken; programmeerkennis is niet nodig.
Beschrijf machine learning als het vinden van patronen in voorbeelden en onderscheid dit van vaste, handgeschreven regels. Deel eenvoudige situaties in als leren onder toezicht, zonder toezicht of met beloningen, en leg uit welke informatie beschikbaar is. Herken invoervariabelen, een doelvariabele, trainingsgegevens en evaluatiegegevens in een eenvoudige voorspeltaak. Stel een gegevenssplitsing voor die datalekken helpt beperken en benoem een beperking van de evaluatie.
Geen programmeer- of statistiekervaring nodig. Kennis van rijen en kolommen is handig; gebruik alleen openbare gegevens of gegevens die je mag gebruiken.
Beginners die een duidelijke, begeleide introductie zonder onnodig jargon willen
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 · Beginner · 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.