Toepassingen van Data Science & Machine Learning in Knime

Unieke 1-daagse Crash Course ‘Applications of Machine Learning’

Alles draait om het zelf ervaren in de Crash Course Applications of Machine Learning. In een dag zul je maar op een beperkt aantal onderwerpen de diepte in kunnen gaan; de focus voor de dag ligt dan ook niet in de kwantiteit aan zaken die je uitvoerig behandelt, maar eerder op een enkele usecase waar we met zijn allen op zullen inzoomen. Je zult zelf aan de knoppen zitten, totdat je zelf je eerste voorspelling hebt gehaald uit een gedegen Machine Learning model, en het model ook nog eens hoogover begrijpt.

Inhoud

De inhoudelijke focus voor de dag zal vallen op de volgende topics:

Data Preparatie

• Aggregeren
• EDA
• Manipuleren

Data Visualisatie

• Univariaat
• Bivariaat (basis)

Machine Learning

• Supervised  learning
• Unsupervised learning (enkel uitleg)
• Feature engineering
• Model evaluatie
• Model optimalisatie (basis)

Verloop van de dag

De ochtend begint vanuit de breedte. We zullen het hebben over ontologie/terminologie binnen het vakgebied: Wat is Data Science? Wat is Artificial Intelligence? Wat is Machine Learning? Daarnaast zullen we kijken welke verschillende typen Data Scientists er zijn, en zullen we even stil staan bij welke type je hoogst waarschijnlijk zelf bent. Ook lopen we door de belangrijkste typen deliverables heen van Machine Learning trajecten.

De rest van de dag staat in het teken van het zelf uitbouwen van je eerste Machine Learning model. We zullen werken aan een vrij bekende case in de wereld van Data Science. Middels de case ervaren we het proces niet alleen zelf, maar maken we ook kennis met Knime (de grafische tool waarin we het model zullen bouwen) zowel als Kaggle (het platform waar de belangrijkste Data Science competities ter wereld worden uitgeschreven door bedrijven als Google).

Wat neem je mee naar huis

Aan het eind van de dag loop je weg met een goed gevoel bij de belangrijkste concepten in het vakgebied. Daarnaast zul je in staat zijn binnen je organisatie typische usecases voor Machine Learning toepassingen te herkennen. Ook zul je in de basis in staat zijn de workflow die we samen bouwen te hergebruiken binnen je eigen werk op soortgelijke usecases.

De third pary tool Knime wordt gedurende de cursus gebruikt op je eigen laptop. Alles wat je tijdens de cursus maakt, blijft dus tot je beschikking en kun je aan verder werken in de avonduren mocht je dit willen (de praktijk leert dat er zich altijd een groep enthousiastelingen voordoet). Of je kan de opgebouwde oplossingen loslaten op je eigen specifieke datasets. Zoals eerder benoemd gebruiken we in de cursus daarnaast ook de website Kaggle – daar zul je je eigen account op maken waar je gebruik van kunt blijven maken (Kaggle allows users to find and publish data sets, explore and build models in a web-based data-science environment, work with other data scientists and machine learning engineers, and enter competitions to solve data science challenges).