Data Science Python

Niveau
Tijdsduur
Locatie
Op locatie, Online
Startdatum en plaats

Data Science Python

ProgrammeerCursussen
Logo van ProgrammeerCursussen
Opleiderscore: starstarstarstarstar_half 9,4 ProgrammeerCursussen heeft een gemiddelde beoordeling van 9,4 (uit 34 ervaringen)

Tip: meer info over het programma, prijs, en inschrijven? Download de brochure!

9
Gemiddeld cijfer voor Data Science Python
Gebaseerd op 6 ervaringen Lees alle ervaringenchevron_right
starstarstarstarstar_half
de Wolff
9
Data Science Python

"Erg goede, inhoudelijke training. Veel aandacht voor theorie en begrip van achterliggende processen. Stevig tempo. Farisch legt duidelijk en geduldig uit met persoonlijke aandacht. Fijn dat training toch nog via Zoom kon plaatsvinden wegens corona." - 21-04-2020 07:51

"Erg goede, inhoudelijke training. Veel aandacht voor theorie en begrip van achterliggende processen. Stevig tempo. Farisch legt duidelijk en… alles lezen - 21-04-2020 07:51

Startdata en plaatsen

placeDen Haag
12 jun. 2023 tot 14 jun. 2023
check_circle Startgarantie
placeDen Haag
24 jul. 2023 tot 26 jul. 2023
check_circle Startgarantie
placeDen Haag
11 sep. 2023 tot 13 sep. 2023
check_circle Startgarantie
placeDen Haag
13 nov. 2023 tot 15 nov. 2023
10% korting
check_circle Startgarantie

Beschrijving

Cursussen voor de ontdekkers van de wereld van programmeren en data science door experts op het gebied van software development en datawetenschappen.

Heb je de basisprincipes van Python onder de knie en wil je verder met gevorderde analyses en predictiemodellen? Dan is de data science cursus iets voor jou! Deze cursus leert je werken met de libraries pandas, matplotlib, seaborn, numpy en scikit-learn. 

Door de beschikbaarheid van steeds meer data is het vakgebied data science sterk in populariteit aan het groeien. Data science geeft organisaties instrumenten om concrete datagedreven beslissingen te nemen. Python is door zijn krachtige libraries de meest gebruikte taal hierin. De simpelheid en elegantie van de taal zorgen ervoor dat ook jij deze technieken gemakkelijk onder de knie kunt krijgen!

Cursusinhoud

Fundamenten van machine lear…

Lees de volledige beschrijving

Veelgestelde vragen

Er zijn nog geen veelgestelde vragen over dit product. Als je een vraag hebt, neem dan contact op met onze klantenservice.

Nog niet gevonden wat je zocht? Bekijk deze onderwerpen: Data Science Python, Python, Big Data, Data Science en Data mining.

Cursussen voor de ontdekkers van de wereld van programmeren en data science door experts op het gebied van software development en datawetenschappen.

Heb je de basisprincipes van Python onder de knie en wil je verder met gevorderde analyses en predictiemodellen? Dan is de data science cursus iets voor jou! Deze cursus leert je werken met de libraries pandas, matplotlib, seaborn, numpy en scikit-learn. 

Door de beschikbaarheid van steeds meer data is het vakgebied data science sterk in populariteit aan het groeien. Data science geeft organisaties instrumenten om concrete datagedreven beslissingen te nemen. Python is door zijn krachtige libraries de meest gebruikte taal hierin. De simpelheid en elegantie van de taal zorgen ervoor dat ook jij deze technieken gemakkelijk onder de knie kunt krijgen!

Cursusinhoud

Fundamenten van machine learning

  • Supervised learning. Supervised Learning is een van de meest gebruikte learning technieken van hedendaagse machine learning modellen. Bij Supervised Learning leren modellen van gelabelde data. Dit kunnen gelabelde afbeeldingen zijn van katten en honden of een dataset met informatie over huizenprijzen. We leren hier hoe je een Supervised Learning algoritme kan herkennen. Ook leer je welke data je moet verzamelen om zelf Supervised Learning te kunnen toepassen.
  • Unsupervised learning. Unsupervised Learning is een algoritme dat leert door patronen te herkennen. We leren hier welke soort Unsupervised Learning algoritmen er zijn. Ook leren we welke toepassingen Unsupervised Learning algoritmen hebben. We zullen hierbij enkele voorbeeld cases bespreken.
  • Reinforcement learning. Reinforcement Learning is een algoritme dat leert door Agents een beloning of een straf te geven voor bepaalde handelingen. We zullen enkele eerder ontwikkelde algoritmes bespreken en erachter komen hoe dit algoritme het best ingezet kan worden.
  • Test set/train set. Voor het goed opzetten van een machine learning model is het heel belangrijk een scheiding te maken in je test en train set. Op deze manier kun je op een unbiased manier je hyperparameters optimaliseren. In deze module leer je waarom je dat doet en op welke manier je dat het beste kan doen.
  • Bias en variance (overfitting). Het creëren van een optimaal machine learning model, betekent een goede balans vinden in de complexiteit van het model. Je leert in deze module alles over het optimaliseren van het model en wat de gevolgen zijn van overfitting en underfitting.

Regressie

  • Cost function en gradient descent. Hier leer je alles over hoe machine learning modellen leren middels. Je leert het concept van de cost function, leer verschillende soorten cost functions en leert wat Gradient Descent is. Ook leer je hoe je optimaal parameters kiest voor Gradient Descent.
  • Regressie in sci-kit learn. In deze module pas je de geleerde concepten toe voor het voorspellen van huizenprijzen. Je leert de resultaten analyseren en bekijkt hoe goed jouw model het doet.
  • Residu analyse. Middels een residu analyse bekijken we hoe we parameters het beste kunnen kiezen in het voorspelmodel.

Clustering

  • K-means. Leer hier alles over het K-means clustering algoritme. Je leert hoe je data clustert op basis van een K aantal centrumpunten en hoe je een optimaal aantal centrumpunten kiest. Ook leer je het nut van data normaliseren of standaardiseren.
  • Clustering toepassen op de Iris dataset. Je past de theorie van K-means clustering toe op de Iris dataset. Hier cluster je de data van de Iris flower data set en leer je clusters herkennen.

Classificatie

  • KNN. In deze module leer je data classificeren op basis van het KNN (k-nearest neighbors) algoritme. Een algoritme dat leert door te kijken naar dichtbijgelegen datapunten. Je leert hier voor welk soort data en vraagstukken dit algoritme geschikt is. Ook leer je hoe je op een zorgvuldige manier de juiste parameters kiest. Daarnaast leer je alle voor en nadelen van dit algoritme. We sluiten het theorie gedeelte af met uitbreidingen op het algoritme die het algoritme nauwkeuriger maken.
  • Classificatie met diabetes dataset. We passen dit algoritme toe op een dataset met mensen die wel of niet diabetes hebben. De uitdaging is hier om diabetes te kunnen voorspellen aan de hand van verschillende factoren.
  • Precision, recall en F1-score. Wanneer we classificatie algoritmen gebruiken, hebben we goede graadmeters nodig om het algoritme te kunnen beoordelen op kwaliteit. In deze module leer je hoe je dit systematisch kan doen.
  • SVM. In deze module leer je over het SVM (Support Vector Machine) algoritme. We behandelen de verschillen tussen KNN vs. SVM. Je leert de voordelen van dit algoritme en hoe je systematisch parameters kiest.

Decision Trees, Regression Trees en Random Forest

  • Information Gain/Gini Coëfficiënt. We ontrafelen de mysteries achter machine learning met decision trees! Leer met de hand decision trees maken door de information gain per splitsing te berekenen. Je leert hiermee de theorie achter information gain en decision trees. Je begrijpt hierdoor op een fundamentele manier hoe dit soort algoritmes werken.
  • Overfitting. Ook decision trees hebben last van overfitting. We leren waarom decision trees overfitten en welke handvatten er zijn op dit in de hand te houden. We leren hier systematisch belangrijke parameters aan te passen.
  • Decision Trees toepassen op regressie probleem. We zullen de theorie toepassen op een dataset en bekijken hoe goed decision trees waarden kunnen voorspellen. Je zult hier parameters aanpassen om de decision tree te optimaliseren.

Voorkennis

Voor deze cursus is programmeerervaring met Python en enige kennis van wiskunde en statistiek nodig.

Voor wie is deze cursus?

Deze cursus is bedoeld voor mensen die al enige ervaring hebben met dataverwerking hun kennis daarin willen vergroten. Deze cursus is zeer geschikt voor mensen die verder willen in Data Science, Machine Learning of AI.

Certificaat

Na afloop van de cursus ontvangt u op aanvraag een Data Science with Python certificaat van School of Data Science.

9
Gemiddeld cijfer voor Data Science Python
Gebaseerd op 6 ervaringen
starstarstarstarstar_half
de Wolff
9
Data Science Python

"Erg goede, inhoudelijke training. Veel aandacht voor theorie en begrip van achterliggende processen. Stevig tempo. Farisch legt duidelijk en geduldig uit met persoonlijke aandacht. Fijn dat training toch nog via Zoom kon plaatsvinden wegens corona." - 21-04-2020 07:51

"Erg goede, inhoudelijke training. Veel aandacht voor theorie en begrip van achterliggende processen. Stevig tempo. Farisch legt duidelijk en… alles lezen - 21-04-2020 07:51

 Jeffrey
starstarstarstarstar_half
Jeffrey
Data-Analist
9
Data Science Python

"Deze interessante cursus legt een goede basis om theoretische data-kennis in de praktijk te brengen met Python. Complimenten voor de manier waarop Farisch deze cursus opbouwde. Als data-analist was deze cursus zeer nuttig voor mij." - 20-04-2020 05:21

"Deze interessante cursus legt een goede basis om theoretische data-kennis in de praktijk te brengen met Python. Complimenten voor de manier … alles lezen - 20-04-2020 05:21

starstarstarstarstar_border
Bart Rentenaar
IT Manager
8
Data Science Python

"In kleine klas (4 personen) actief aan de gang met Python en data science. Onderling veel interactie. Betrokken trainer. Alles prima verzorgd. Onderwerpen: data bewerken en analyseren, machine learning en deep learning. " - 19-12-2019 15:41

"In kleine klas (4 personen) actief aan de gang met Python en data science. Onderling veel interactie. Betrokken trainer. Alles prima verzorg… alles lezen - 19-12-2019 15:41

starstarstarstarstar
Ishi Pedrito
Data Analist/Scientist
10
Data Science Python

"Zeer gedetailleerde en toch uitgebreide cursus over alles omtrent Data Science met Python. Omdat ik deze specifieke vaardigheden nodig had voor mijn baan, volgde ik deze cursus (en de basis cursus Python) bij ProgrammeerCursussen. Heel erg fijn dat ik hierna ook leermateriaal meekreeg waarmee ik zelf verder kon. " - 27-08-2018 14:51

"Zeer gedetailleerde en toch uitgebreide cursus over alles omtrent Data Science met Python. Omdat ik deze specifieke vaardigheden nodig had v… alles lezen - 27-08-2018 14:51

starstarstarstarstar_half
Mees ten Brink
Technical Manager
9
Data Science Python

"Zeer goede cursus en biedt een zeer goede start, waarmee ik hierna in principe alle kanten op kon op het gebied van Machine Learning of AI. De manier waarop theorie en praktijk werden gecombineerd was zeer goed in balans. De concrete voorbeelden maakte lastige concepten makkelijk begrijpbaar." - 27-08-2018 14:45

"Zeer goede cursus en biedt een zeer goede start, waarmee ik hierna in principe alle kanten op kon op het gebied van Machine Learning of AI. … alles lezen - 27-08-2018 14:45

Rick Vink
starstarstarstarstar_half
Hendrik Willems
Data Scientist
9
Data Science Python

"Geweldige cursus voor mensen die hun vaardigheden op het gebied van programmeren willen vergroten met Data Science. Je leert tijdens deze cursussen veel basics die essentieel zijn voor Data Science, maar ook veel geavanceerde topics. Al met al een zeer goede cursus waar ik veel aan gehad heb. " - 27-08-2018 14:25

"Geweldige cursus voor mensen die hun vaardigheden op het gebied van programmeren willen vergroten met Data Science. Je leert tijdens deze cu… alles lezen - 27-08-2018 14:25

Er zijn nog geen veelgestelde vragen over dit product. Als je een vraag hebt, neem dan contact op met onze klantenservice.

Download gratis en vrijblijvend de informatiebrochure

(optioneel)
(optioneel)
(optioneel)
(optioneel)
(optioneel)
(optioneel)
(optioneel)

Heb je nog vragen?

(optioneel)
We slaan je gegevens op om je via e-mail en evt. telefoon verder te helpen.
Meer info vind je in ons privacybeleid.