Aangeboden leervormen
Machine Learning with Python - Programmer to Architect
Met de Leerlijn Machine Learning with Python – Programmer to Architect krijg je de meest complete digitale leeromgeving en de beste voorbereiding op de praktijk. Het is een dynamische en unieke voorbereiding op de certificering EN geeft je tools die volledig zijn geïntegreerd in een omgeving.
De Leerlijn Machine Learning with Python – Programmer to Architect geeft toegang tot zowel de e-Learning, de examensimulatie, een online mentor, examenquizzen, tips, trucs en links EN Live Labs.
Hier vind je meer informatie over CertKits en Live Lab's.
Machine Learning Architects interpreteren realtime-analyse van gegevens om de efficiëntie in alle bedrijfsdomeinen te automatiseren en te verhogen en zo de weg vrij te maken voor zinvolle AI die van reactief naar voorspellend gaat.
Deze leerlijn zal je begeleiden bij de overgang van een ML-programmeur naar een ML/DL Architect Master door middel van mechanismen zoals de theorie van computation.
Computationalisme is een familie van opvattingen die stellen dat de menselijke geest een informatie verwerkingsysteem is en dat cognitie en bewustzijn samen een vorm van berekening zijn.
Deze leerlijn, met meer dan 100 uur online content, is opgedeeld in de volgende vier tracks:
· ML Track 1: Machine Learning Programmer
· ML Track 2: Deep Learning Programmer
· ML Track 3: Machine Learning Engineer
· ML Track 4: Machine Learning Architect
Programma
ML Track 1: Machine Learning Programmer
In dit gedeelte van de leerlijn van Machine Learning with Python Programmer tot Architect ligt de focus op lineaire regressie, de theorie van computation en trainingssets.
Inhoud:
· E-learning:
o NLP for ML with Python;
o Linear Algebra and Probability;
o Linear Regression Models;
o Computational Theory;
o Model Management;
o Bayesian Methods;
o Reinforcement Learning;
o Math for Data Science & Machine Learning;
o Building ML Training Sets;
o Linear Models & Gradient Descent.
· Online Mentor:
o Je kunt contact leggen met je mentor door een chat te beginnen of een e-mail te sturen.
· Final Exam assessment:
o Gemiddelde duur: 90 minuten.
· Practice labs: Machine Learning Programmer with Python (geschatte duur: 8 uren)
o Voer ML-programmeertaken uit met Python, zoals het splitsen van gegevens en het standaardiseren van gegevens, en classificatie met behulp van naaste buren en ridge-regressie.
Test vervolgens je vaardigheden door beoordelingsvragen te beantwoorden na het uitvoeren van de hoofdcomponentenanalyse, het visualiseren van correlaties, het trainen van een naïef Bayes-model en een ondersteunend vectormachinemodel.
Dit lab biedt toegang tot verschillende tools die veel worden gebruikt in ML, waaronder:
Microsoft Excel 2016, Visual Studio Code, Anaconda, Jupyter Notebook + JupyterHub, Panda's, NumPy, SiPy, Seaborn Library, Spyder IDE
ML Track 2: Deep Learning Programmer
In dit gedeelte van de leerlijn van Machine Learning with Python Programmer tot Architect ligt de focus op neurale netwerken, CNN's, RNN's en ML-algoritmen.
Inhoud:
· E-learning:
o Getting Started with Neural Networks;
o Building Neural Networks;
o Training Neural Networks;
o Improving Neural Networks;
o ConvNets;
o Convolutional Neural Networks;
o Convo Nets for Visual Recognition;
o Fundamentals of Sequence Model;
o Build & Train RNNs;
o ML Algorithms.
· Online Mentor:
o Je kunt contact leggen met je mentor door een chat te beginnen of een e-mail te sturen.
· Final Exam assessment:
o Gemiddelde duur: 90 minuten.
· Practice labs: Deep Learning Programming with Python (geschatte duur: 8 uren)
o Voer DL-programmeertaken uit met Python, zoals het uitvoeren van serie-uitbreiding en calculus, en werk met TensorFlow en scikit-image.
Test vervolgens je vaardigheden door beoordelingsvragen te beantwoorden na het laden van een gegevensset voor hiërarchische clustering en k-means-clustering, en train een model met behulp van willekeurige forests en gradiëntversterking.
ML Track 3: Machine Learning Engineer
· E-learning:
o Predictive Modeling;
o Planning AI Implementation;
o ML/DL in the Enterprise;
o Enterprise Services;
o Architecting Balance;
o Enterprise Architecture;
o Refactoring ML/DL Algorithms.
· Online Mentor:
o Je kunt contact leggen met je mentor door een chat te beginnen of een e-mail te sturen.
· Final Exam assessment:
o Gemiddelde duur: 90 minuten.
· Practice labs: Architecting ML/DL with Python (geschatte duur: 8 uren)
o Voer architectuurtaken uit, zoals het verzamelen van gegevens, het toekennen van waarden, het uitvoeren van kruisvalidatie en het evalueren van een classificatiemodel.
Test vervolgens je vaardigheden door beoordelingsvragen te beantwoorden na het valideren van een model, het afstemmen van parameters, het herstructureren van de broncode van een machine learning-model en het opslaan en laden van modellen met Python.
ML Track 4: Machine Learning Architect
· E-learning:
o Applied Predictive Modeling;
o Implementing Deep Learning;
o Applied Deep Learning;
o Advanced Reinforcement Learning;
o ML/DL Best Practices;
o Research Topics in ML and DL;
o Deep Learning with Keras.
· Online Mentor:
o Je kunt contact leggen met je mentor door een chat te beginnen of een e-mail te sturen.
· Final Exam assessment:
o Gemiddelde duur: 90 minuten.
· Practice labs: Architecting Advanced ML/DL Apps with Python (geschatte duur: 8 uren)
o Voer geavanceerde ML/DL app-architectuurtaken uit met behulp van Python, zoals het laden van een dataset om een eenvoudig meerlagig perceptron (MLP), een convolutional Neural Network (CNN) en een LSTM-model te trainen.
Test vervolgens je vaardigheden door beoordelingsvragen te beantwoorden na het uitvoeren van beeld- en tekstclassificatie met behulp van CNN.
Examen
N.v.t.
Bij de training inbegrepen
| Certificaat van deelname | ja |
| Voortgangsbewaking | ja |
| Geschikt voor mobiel | ja |
| Studieadvies | Onze consultants zijn beschikbaar om je te voorzien van studieadvies. |
| Studiemateriaal | Gecertificeerde docenten met uitgebreide kennis over de onderwerpen. |
| Service | Service via telefoon of e-mail. |
