Resultaat
De deelnemers kunnen na afloop de techniek toepassen in een actuele casus die speelt binnen jullie bedrijf en op een praktische manier toepassen om te gebruiken bij strategische bedrijfsbeslissingen.
Vereiste kennis
De deelnemers dienen bekend te zijn met programmeer- principes door een HBO Informatica studie en/of werkervaring.
Aantal deelnemers
4-8
Wanneer
On demand
Tijdsduur
2 dagen van 9.00 – 16.30 uur
Waar
HybrIT, Rijnzathe 4, De Meern (Utrecht) of in company
Kosten
EUR695 – EUR1.095 p.p.
Wat ga je doen?
Het programma
Dag 1
We starten met een inleiding in machine learning en we geven een Python crash course. Je krijgt uitleg over de Python modules en Jupiter. Daarna volgt een oefening supervised learning. De middag is interactief waarin je zelf aan de slag gaat onder begeleiding van onze ervaren developers.
Dag 2
Op dag 2 geven we theoretische kennis over unsupervised learning en duiken we diep in de materie van reinforcement learning. Je krijgt een demo en er volgt een oefening. De middag is interactief en zul je merken dat je machine learning al goed onder de knie krijgt. Onze developers geven je nog volop tips & trucs. Rond 16.30 uur ronden we af en krijg je een certificaat voor deelname.
“Deze workshop leert je in korte tijd veel over machine learning en vooral hoe je het toepast in de praktijk. Leren is leuk, maar leren van professionals is leuker én levert je ook veel meer bruikbare kennis op! Ik ben nog enthousiaster geworden over machine learning dan ik al was.”
Wat levert deze workshop op?
“Het toepassen van Machine Learning stelt je organisatie in staat om nieuwe diensten te verlenen, efficiënter te werken en de concurrentie voor te blijven.”
Voorbeelden
- Het voorspellen van omzet en verkoop van bepaalde producten
- Het voorspellen van de kans dat een klant zal overstappen naar een concurrent gebaseerd op zijn ervaringen met de helpdesk
- Preventief onderhoud aan machines naar aanleiding van verwachte defecten
- Onverwacht gedrag van servers in het datacenter te detecteren
Hoe?
In plaats van het schrijven van code met veel “als dit dan doe dat” regels, worden bij Machine Learning patronen in data herkent en wordt op basis daarvan een algoritme gecreëerd wat kan herkennen, voorspellen, adviseren, optimaliseren en/of classificeren. Sommige van deze algoritmes zijn ‘non-supervised’ wat betekent dat ze niet getraind zijn op basis van historische data, maar dat ze slim genoeg zijn om zelf patronen en verbanden te herkennen. Het is een zeer krachtige techniek waardoor software intelligente taken kan uitvoeren die voorheen door mensen gedaan werden.
Machine Learning wordt ook aangeduid als Kunstmatige Intelligentie (KI) of Artificial Intelligence (AI).