Essentials of predictive analytics

Doe essentiële data science vaardigheden op die nodig zijn voor het ontwikkelen en gebruiken van adequate voorspellingsmodellen voor besluitvorming op basis van kwantitatieve gegevens en leer hoe...

Voorspellen met modellen: AI en machine learning in de praktijk

Deze cursus introduceert op een efficiënte manier de essentiële data science vaardigheden die nodig zijn voor het ontwikkelen en gebruiken van adequate voorspellingsmodellen voor besluitvorming op basis van kwantitatieve gegevens.
Enerzijds worden de principes van veelgebruikte methoden voor regressie, classificatie en detectie van gegevensclusters besproken, met speciale aandacht voor de gevolgen van big data invloeden. Anderzijds wordt aan de hand van concrete voorbeelden geïllustreerd hoe modellen te valideren, te vergelijken en te gebruiken zijn.
Uniek is dat deelnemers tijdens de cursus ervaring opdoen in het visueel programmeren van data workflows, waarmee model-fit, -validatie en -vergelijk eenvoudig in de praktijk uit te voeren zijn.
Bovendien wordt expliciet aandacht besteed aan mogelijkheden en gevaren van het gebruik van generatieve AI, zoals ChatGPT en Copilot, bij het toepassen van AI en machine learning methoden in de praktijk.
Voorspellingsmodellen toepassen voor besluitvorming
Na afloop van deze cursus:


Heb je een overzicht over actuele methoden voor predictive modeling, zoals die beschikbaar zijn

binnen de gebieden van statistiek, kunstmatige intelligentie en machine learning.
Kun je zelf, in standaard situaties, dergelijke modellen ontwikkelen, daarbij gebruik makend van software, zoals bijvoorbeeld IBM-Modeler, SAS-Enterprise Guide en Enterprise Miner of Orange om data workflows visueel te programmeren.
Heb je praktische ervaring opgedaan met het valideren, interpreteren en vergelijken van alternatieve modellen en het gebruik ervan bij beslissingsondersteuningen.

Bedoeld voor
Academici en hbo’ers die betrokken zijn bij de analyse van kwantitatieve gegevens en het gebruik van beslissingsondersteuningsmodellen, zoals medewerkers en managers die de kwaliteit van ontwikkelde modellen willen beoordelen en vergelijken en/of die deze processen beheersen en aansturen. De cursus is ook geschikt voor docenten van universiteiten of hogescholen die geïnformeerd willen worden over ontwikkelingen op het gebied van data science, data mining en data analytics.
Benieuwd  naar meer achtergrond of ervaringen? Lees onze interviews:
– Interview met Hendrik-Jan de Kort (SPIE Nederland). Hij volgde met zijn team een incompany datatraining om te bouwen aan AI-kennis.
– Interview met Tomaso della Vedova en Chantal Visser (Endress + Hauser), over hun incompany cursus op het gebied van data mining en predictive modeling.
– Cursusleider dr. Koo Rijpkema (TU Eindhoven) deelt zijn kijk op de wereld van data en cursussen en het belang van het vakgebied.
– Cursusleider dr. Koo Rijpkema (TU Eindhoven) deelt zijn kijk op slimmer en bewuster gebruik van data dankzij generatieve AI, zoals ChatGPT of Copilot.
– Cursusleider dr. Koo Rijpkema (TU Eindhoven) vertelt over het open source softwareprogramma Orange en hoe deze tool data science voor iedereen gemakkelijker maakt.
Op verzoek in het Engels
Wil je de cursus in het Engels volgen? Vermeld dit dan bij inschrijving in het veld opmerkingen.

Investering

Bovengenoemde prijs is exclusief 21% btw
Inclusief koffie, thee, lunch en (digitaal) cursusmateriaal