Cursus over praktische toepassingen van machine learning, deep learning en data science

Het nagestreefde doel is de implementatie van theoretische kennis van Machine Learning, Deep Learning en Data Science, door het realiseren en oplossen van praktijkcases. 1. Ontwikkeling van het vermogen om machine learning- en deep learning-algoritmen te implementeren. - Implementatie van begeleide leeralgoritmen. - Implementatie van onbewaakte leeralgoritmen. - Implementatie van begeleide en onbewaakte leeralgoritmen met behulp van Machine Learning en Deep Learning-tools en -bibliotheken. 2. Ontwikkeling van mogelijkheden in Data Science zoals: Gegevens analyseren en modelleren. - Opstellen van rapporten. - Ontwikkel interactieve dashboards. 3. Ontwikkeling van strategische mogelijkheden om een ​​Machine Learning-, Deep Learning- of Data Science-probleem op te lossen. - Door het uitvoeren van praktische oefeningen zal de student, met behulp van programmeertaal, de functies implementeren die nodig zijn voor de constructie van Machine Learning en Deep Learning-algoritmen. Naast het geconfronteerd worden met een reeks gegevens, waar deze zullen worden geanalyseerd, het genereren van rapporten, het bestuderen van de relaties daartussen, en het visualiseren ervan op een duidelijke en intuïtieve manier. - Ten slotte krijgt de student te maken met een echte toepassing, waarbij hij zijn theoretische en praktische kennis gebruikt om een ​​Machine Learning-probleem op te lossen met behulp van de meest geschikte strategie.