C#/ML.NET Machine Learning Masterclass

Deze cursus hebben we niet meer in ons assortiment maar nog wel andere cursussen, bijvoorbeeld:

Er zijn geen gerelateerde cursussen.

Kunnen wij je helpen?

Machine Learning en Artificial Intelligence (AI) zijn heel erg populair op dit moment. Maar wist je dat je helemaal geen Python of ‘R’ hoeft te kennen om met machine learning aan de slag te gaan? Microsoft heeft sinds kort een eigen machine learning component uitgebracht genaamd ‘ML.NET’, en hiermee kun je met een paar regels code al vrij complexe AI-modellen bouwen en trainen.
In deze 2-daagse cursus laten we je precies zien wat je allemaal kunt doen met ML.NET, en hoe je er zeer eenvoudig machine learning applicaties in C# mee kunt bouwen. Aan de hand van theorie en praktijkvoorbeelden laten we je zien hoe je deze technologie zelf kunt toepassen in je eigen organisatie.

Doel

De basisprincipes leren die ten grondslag liggen aan AI en Machine Learning.
Ervaring opdoen met de Machine Learning tools van Microsoft, met name ML.NET.
De algemene structuur van een Machine Learning app leren begrijpen.
Zelf aan de slag gaan met het ontwikkelen van Machine Learning apps.
Leren wat wel en niet werkt bij het uitrollen van Machine Learning projecten.

Doelgroep

Chief Technical Officers (CTOs), Chief Information Officers (CIOs), Business Analisten, Project Managers, Solution Architecten, Senior Developers/Dev Team Leads, Junior en Medior Developers.

Voorkennis

Programmeren in C# (55339) of vergelijkbare kennis.
Enige kennis van programmeren (met name de programmeertaal C#) verdient de voorkeur om de oefeningen goed te kunnen volgen.

Lucas Ditvoorst

senior accountmanager

Onderwerpen

Wat is Machine Learning?
- In deze sessie gaan we dieper in op machine learning. Wat is het, hoe werkt het, en wat kun je ermee? We kijken naar hoe je een dataset kunt voorbereiden, en hoe je een machine learning model kunt trainen op de data.
Linear Regression
- Lineaire regressie is het werkpaard dat achter de schermen machine learning mogelijk maakt. In deze sessie leer je hoe lineaire regressie werkt en hoe je het kunt gebruiken om vanuit een dataset eenvoudige voorspellingen te maken.
Binary Classification
- In deze sessie gaan we nader in op binaire classificatie, een machine learning algoritme dat binaire ja/nee voorspellingen kan maken. Je zult je kennis toepassen in een case waarbij we fraudegevallen gaan zoeken in een grote dataset van financiÃ«le SEPA transacties.
Multiclass Classification
- In deze sessie leer je hoe je meerdere binaire classificatie systemen op elkaar kunt stapelen om een zogenaamde multiclass classifier te bouwen. Je zult deze vervolgens gebruiken om automatisch beledigend en giftig taalgebruik te herkennen in een content management systeem.
Neurale Netwerken
- Het neurale netwerk is niet meer weg te denken in moderne machine learning toepassingen. In deze sessie leer je hoe een neuraal netwerk opgebouwd is en wat je ermee kunt. We gaan kijken naar een aantal bekende netwerk-architecturen en bouwen vervolgens een app die dieren en voorwerpen kan herkennen in afbeeldingen.

Machine Learning modellen evalueren
- In deze sessie leer je hoe je machine learning modellen kunt evalueren. We gaan kijken naar een aantal technieken om de kwaliteit van je voorspellingen te verbeteren, en we gaan een model bouwen om spamberichten automatisch te herkennen.
Decision Trees
- Decision Trees zijn speciale machine learning algoritmen die aan de hand van een netwerk van eenvoudige beslissingen vrij complexe voorspellingen kunnen doen. We gaan kijken naar de voor- en nadelen van decision trees, en we bouwen een app die met een decision tree automatisch hartpatienten kan diagnosticeren in een medische database.
Ensembles
- Als we machine learning modellen combineren in een netwerk noemen we dat een ‘ensemble’. In deze sessie leer je de 3 verschillende soorten ensembles met hun voor- en nadelen. Vervolgens gebruiken we een ensemble om uit historische data te voorspelen hoeveel klanten dagelijks gebruik zullen maken van een business service.
Clustering
- Soms hebben we in onze dataset niet de beschikking over het juiste antwoord. We spreken dan van ‘Unsupervised Learning’. Het clustering algoritme kan in dat geval toch zinvolle resultaten produceren. We gaan in deze sessie clustering gebruiken om verschillende typen klanten te herkennen in een financiÃ«le database.
Recommendation Systems
- Veel webwinkels zijn tegenwoordig in staat om koopsuggesties te doen aan klanten, gebaseerd op het koopgedrag van alle andere klanten op de site. Dit heet een ‘Recommendation System’. In deze sessie gaan we zelf een recommendation system bouwen met behulp van een dataset met het koopgedrag van Amazon klanten.

Planning & Prijs

Gerelateerde cursussen

Er zijn geen gerelateerde cursussen.

Ervaringen

ervaringen verzameld via

"Training was prima, goede tips gekregen met af en toe een grap en grol. Locatie was prima, goed verzogd vwb koffie/thee, fruit en koekje. Mensen ook zeer vriendelijk. Lunch was perfect en zeer uitgebreid."

9

"De cursus was goed, en de verzorging ook!Ik heb er veel van opgestoken! De lokatie in Nieuwegein is goed te bereiken met het openbaar vervoer, dus dat is prettig. Tot een volgenden keer."

10

"Ik vond de training erg leerzaam. De inhoud was van een hoog niveau en de docent was goed thuis in de materie. Ik stel het vooral op prijs dat er diep op de concepten werd ingegaan."

9

Categorieën

Onderwerpen

Leveranciers

Prijs