Python og Machine Learning kursus

Det lærer du

På dette Python Machine Learning kursus får du både teoretisk viden og praktisk erfaring med machine learning i Python. Du lærer, hvordan du arbejder med datasæt, udvikler machine learning modeller og anvender Python til dataanalyse og statistiske beregninger. Kurset giver dig et solidt fundament inden for machine learning og hjælper dig godt i gang med at udvikle intelligente datadrevne løsninger.

Python er et af verdens mest anvendte programmeringssprog inden for data science, machine learning og kunstig intelligens. På kurset arbejder du med nogle af de mest anvendte biblioteker, herunder NumPy, Pandas, scikit-learn og Seaborn, og du lærer at forberede data, opbygge modeller og evaluere deres resultater. Gennem praktiske øvelser får du kompetencer, som kan anvendes til både mindre analyser og større machine learning-projekter.

Efter kurset vil du have en solid forståelse for:

  • Forberede og strukturere datasæt til machine learning i Python.
  • Importere og arbejde med data fra blandt andet SQL, CSV- og Excel-filer.
  • Analysere og visualisere data ved hjælp af NumPy, Pandas og Seaborn.
  • Udvikle regressions- og klassifikationsmodeller, herunder Bayes, GaussianNB og Naive Bayes.
  • Arbejde med avancerede machine learning-algoritmer som Support Vector Machines (SVM), Decision Trees og Random Forest.
  • Validere og optimere machine learning-modeller ved hjælp af blandt andet K-Fold Cross Validation og bias-variance trade-off.
  • Gemme og genanvende modeller ved hjælp af model-persistens og NoSQL.
  • Anvende Python til dataanalyse og machine learning i praksis.

Det får du

Før kurset

  • Mulighed for at tale med en underviser, som hjælper dig med at vurdere, om kurset passer til dit niveau og dine mål.

På kurset

  • Undervisning af en erfaren Python underviser med praktisk erfaring inden for machine learning.
  • En kombination af teori og praktiske øvelser, så du hurtigt kan anvende dine nye kompetencer i praksis.
  • Kursusmateriale og øvelser, som du kan bruge som opslagsværk efter kurset.
  • Moderne kursuslokaler centralt i København.
  • Fuld forplejning med morgenmad, friskbrygget kaffe, te, frugt, sodavand, frokost på en nærliggende restaurant, kage og slik.
  • Kursusbevis, der dokumenterer dine nye kompetencer.

Efter kurset

  • Gratis hotline i op til ét år, hvor du kan få hjælp til spørgsmål om det, du har lært på kurset.
  • Vores tilfredshedsgaranti, så du kan føle dig tryg ved din investering.

Få det optimale ud af kurset

Kurset er til dig, der allerede har et grundlæggende kendskab til Python og gerne vil lære at bruge sproget til machine learning og Big Data-projekter.

Vi anbefaler, at du har gennemført Python Grundlæggende eller har tilsvarende erfaring med Python.

Kursusindhold

Modul 1: Indledning

  • Machine learning vs. kunstig intelligens (AI) – forskelle og ligheder
  • Hvad er Big Data?
  • Python og machine learning-økosystemet

Modul 2: Håndtering af eksterne datakilder

  • Import af data fra Excel og CSV filer
  • SQL-databaser til datasæt

Modul 3: Simpel datarepræsentation og -behandling

  • NumPy - Det matematiske fundament
  • Pandas og håndtering af datasæt fra flere kilder
  • Visualisering af datasæt (covariance og correlation matrices) med seaborn

Modul 4: Datasæt forberedelse

  • Krav til datasæt for korrekthed og anvendelighed
  • Kontinuerte vs. diskrete data
  • Datatyper og normalisering
  • Opdeling i feature-matrix og target-vector
  • Opdeling i trænings- og testdatasæt
  • Supervised vs. unsupervised learning

Modul 5: Regressionsmodeller

  • Det matematiske grundlag for regression
  • Oplæring af modeller med træningsdata
  • Predictions og fortolkning af resultater

Modul 6: Gemme / Opbevaring af modeller

  • Model-persistens med pickle og joblib
  • NoSQL-databaser og opbevaring af trænede modeller

Modul 7: Introduktion til klassifikationsmodeller

  • Bayes’ teorem som grundlag
  • GaussianNB-modellen og dens antagelser
  • Andre varianter af NaiveBayes
  • Confusion-matricer og visualisering af falske positive/negative

Modul 8: Introduktion til validering af modeller

  • Hvad er validering?
  • KFold-validation og learning-curves
  • Bias-variance trade-off og visualisering
  • PolynomialFeatures til forbedring af modeller

Hvad siger vores kunder om os?

1242 Evalueringer seneste år
4,8 Gns. Rating ud af 5

Siden 1991 har 4D Academy hjulpet virksomheder og specialister med at omsætte viden til målbare resultater. Vores kursister belønner os med en gennemsnitlig rating på 4,8 ud af 5 på Trustpilot, Google og Facebook, og det gør os stolte.

Se hvorfor både nye og erfarne fagfolk vælger os, når de vil løfte deres kompetencer.

Læs alle vores anmeldelser her

Trustpilot Logo Sort Google Logo Sort Facebook Logo Sort
Kursus frokost hos 4D Academy

Hold dig opdateret med vores nyhedsbrev

Modtag nyheder, gode tilbud, tips og tricks med vores månedlige nyhedsbrev.

Her bor vi

Kursuscentre
København (Hovedkontor)
Læderstræde 22, 2. sal, 1201 København K

Aarhus
Tueager 5, 8200 Aarhus

Odense
Ørbækvej 350, 5220 Odense
Åbningstider
Mandag: 08.00 - 16.00
Tirsdag: 08.00 - 16.00
Onsdag: 08.00 - 16.00
Torsdag: 08.00 - 16.00
Fredag: 08.00 - 16.00