Python og Machine Learning kursus

Det lærer du

På dette kursus får du viden, hands-on erfaring og overblik over de mange muligheder for machine learning og statistiske løsninger i Python.

Kurset gennemgår best practices og værktøjer indenfor machine learning og statistik i Python, og du lærer at arbejde med datasæt og modeller, der kan håndtere alt fra simple analyser til komplekse Big Data-beregninger.

Python er et af de mest populære sprog indenfor data science og machine learning, og du bliver præsenteret for de centrale moduler og frameworks som NumPy, Pandas, scikit-learn og Keras. Du lærer at forberede datasæt korrekt, vælge de rigtige modeller og validere resultaterne, så dine modeller kan skaleres til store mængder data.

Efter kurset vil du have en solid forståelse for:

  • Datasæt-forberedelse og datarepræsentation i Python
  • Anvendelse af NumPy, Pandas og seaborn til dataanalyse og visualisering
  • Regressions- og klassifikationsmodeller (Bayes, NaiveBayes, GaussianNB m.fl.)
  • Avancerede machine learning-modeller som SVM, decision trees og RandomForest
  • Opbygning af neurale netværk med Keras og backpropagation
  • Validering og optimering af modeller (KFold, bias-variance trade-off)
  • Håndtering af eksterne datakilder, inkl. SQL, NoSQL og model-persistens

Kurset er matematisk orienteret, og det anbefales, at du har kendskab til statistik, sandsynlighedsregning og lineær algebra. Vi genopfrisker dog de vigtigste emner undervejs.

Det får du

Før kurset

  • Mulighed for at tale med en instruktør, som kan hjælpe dig med at vurdere, om kurset er det rette for dig.

På kurset

  • Undervisning af erfarne Python- og machine learning-specialister i vores hyggelige kursuslokaler i centrum af København.
  • En kombination af teori og praktiske øvelser, så du hurtigt kan bruge dine nye færdigheder i praksis.
  • Kursusmateriale og øvelser, som du kan bruge som opslagsværk efter kurset.
  • Fuld forplejning med morgenmad, friskbrygget kaffe, te, frugt, sodavand, frokost på en italiensk restaurant på Gråbrødretorv, kage, slik og Wi-Fi til dine devices.
  • Kursuscertifikat som dokumentation på dine nye kompetencer.

Efter kurset

  • Adgang til vores gratis hotline i op til et år, hvor du kan få hjælp til spørgsmål relateret til kurset.
  • Vores unikke tilfredshedsgaranti, så du kan være sikker på at få fuldt udbytte af kurset.

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 – 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 3 – Datasætforberedelse

  • 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 4 – Regressionsmodeller

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

Modul 5 – Klassifikationsmodeller

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

Modul 6 – Avancerede læringsmodeller

  • Support Vector Machines (SVM)
  • Decision trees og RandomForest-modeller
  • Kort introduktion til unsupervised learning

Modul 7 – Kunstige neurale netværk

  • Neuroner i den virkelige hjerne vs. kunstige neuroner
  • Opbygning af neurale netværk med Keras og skjulte lag
  • Kompilering og test af netværksnøjagtighed
  • Introduktion til billedbehandling

Modul 8 – Validering af modeller

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

Modul 9 – Håndtering af eksterne datakilder

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

Hvad siger vores kunder om os?

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

Siden 1990 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.

Vi har både et Office/Adobe nyhedsbrev og et nyhedsbrev for vores tekniske Microsoft kurser.

Her bor vi

Hovedindgang
Læderstræde 22-26, 2. sal
1201 København K
Kursusindgang
Læderstræde 22-26, 2. sal
1201 København K
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