Linear Regression Models - Machine learning - Data Analyse - Data Science - Deep Learning - Artificial Intelligence

Na inschrijving van de Award Winning E-learning training Linear Regression Models, ontvangt u per e-mail een link om in te loggen in uw leeromgeving waar u een persoonlijk wachtwoord aanmaakt. Eenmaal ingelogd in uw persoonlijke leeromgeving ziet u een overzicht van de cursusonderdelen. Via de inhoudsopgave schakelt u automatisch over naar elk gewenst onderdeel van de training.

Er zit tevens een Voortgangsbewaking bij om eenvoudig te zien hoe ver u bent binnen uw training. U kunt daarbij 1 jaar lang (365 dagen), 24/7 (elke dag en nacht) inloggen om verder te gaan met de training.

Deze Engelstalige training met ondertiteling heeft interactieve, eenvoudig te volgen video's in HD beeldkwaliteit met heldere audio kwaliteit. Daarnaast biedt de training Support en/of een Online Mentor aan als u problemen ondervindt. De training is beschikbaar in elke browser voor zowel PC, Mac, Tablet én Smartphone. Dus zelfs via uw mobiel kunt u handig de training volgen.

De training is inclusief lees- en/of praktijkopdrachten met trainingstest, mits noodzakelijk voor de training. Na afronding van de training krijgt u een Certificaat van Deelname en sluit u zich aan bij de reeds duizenden tevreden cursisten.

Machine Learning is tegenwoordig overal, vaak onzichtbaar voor de meesten van ons. Dit pad behandelt een van de fundamentele problemen in de wereld van ML, lineaire regressie. In het bijzonder onderzoeken we hoe we klassieke ML kunnen gebruiken, werken met neurale netwerken en eenvoudige regressiemodellen bouwen met Scikit Learn en Keras. We zullen ook logistieke regressie behandelen om classificatiemodellen te bouwen en hoe TensorFlow-schatters te gebruiken.

Cursusinhoud

Linear Regression Models: Introduction to Linear Regression

Course: 1 Hour, 19 Minutes

• Course Overview
• Statistical Tools and Regression
• Reasons to Use Regression
• Regression Loss: Least Square Error
• Capturing Variance in Regression
• Prediction Using Regression
• Introduction to Deep Learning
• The Architecture of Neural Networks
• Neurons: The Building Blocks of a Neural Network
• Linear Regression Using a Single Neuron
• Training a Neural Network
• Gradient Descent Optimization
• Exercise: Introduction to Linear Regression

Linear Regression Models: Building Simple Regression Models with Scikit Learn and Keras

Course: 42 Minutes

• Course Overview
• Loading a Dataset
• Splitting a Dataset for Training and Validation
• Keras Installation
• Training and Evaluating a Model
• Building a Sequential Model
• Training a Neural Network
• Evaluating a Neural Network
• Exercise: Building Simple Regression Models

Linear Regression Models: Multiple and Parsimonious Linear Regression

Course: 1 Hour, 11 Minutes

• Course Overview
• Understanding Multiple Regression
• Kitchen Sink Regression
• Training and Evaluating the Model
• Preparing Data for a Neural Network
• Building a Neural Network
• Evaluating the Neural Network
• Finding Correlations in a Dataset
• Introducing Parsimonious Regression
• Applying Parsimonious Regression with Scikit Learn
• Applying Parsimonious Regression with Keras
• Exercise: Multiple Linear Regression

Linear Regression Models: An Introduction to Logistic Regression

Course: 58 Minutes

• Course Overview
• Introducing Logistic Regression
• The Logistic Regression Curve
• Logistic Regression and Classification
• Logistic Regression vs. Linear Regression
• Logistic Regression in Keras
• Preparing Data for Logistic Regression
• Classification using a Logistic Regression Model
• Preparing Data for a Neural Network
• Building and Evaluating the Keras Classifier
• Exercise: An Introduction to Logistic Regression

Linear Regression Models: Simplifying Regression and Classification with Estimators

Course: 36 Minutes

• Course Overview
• Introducing Estimators
• Preparing Data for a Linear Regressor Estimator
• Training and Evaluating a Regressor Estimator
• Preparing Data for a Linear Classifier Estimator
• Training and Evaluating a Classifier Estimator
• Exercise: Using Tensor Flow Estimators

Specificaties

Taal: Engels
Kwalificaties van de Instructeur: Gecertificeerd
Cursusformaat en Lengte: Lesvideo's met ondertiteling, interactieve elementen en opdrachten en testen
Lesduur: 4:46 uur
Voortgangsbewaking: Ja
Toegang tot Materiaal: 365 dagen
Technische Vereisten: Computer of mobiel apparaat, Stabiele internetverbindingen Webbrowserzoals Chrome, Firefox, Safari of Edge.
Support of Ondersteuning: Helpdesk en online kennisbank 24/7
Certificering: Certificaat van deelname in PDF formaat
Prijs en Kosten: Cursusprijs zonder extra kosten
Annuleringsbeleid en Geld-Terug-Garantie: Wij beoordelen dit per situatie
Award Winning E-learning: Ja

Tip! Zorg voor een rustige leeromgeving, tijd en motivatie, audioapparatuur zoals een koptelefoon of luidsprekers voor audio, accountinformatie zoals inloggegevens voor toegang tot het e-learning platform.