Essentials of predictive analytics - incompany training

Tijdsduur
Logo van PAO Techniek en Management
Opleiderscore: starstarstarstarstar_half 9 PAO Techniek en Management heeft een gemiddelde beoordeling van 9 (uit 1 ervaring)

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

Startdata en plaatsen

Er zijn nog geen startdata bekend voor dit product.

Beschrijving

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

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 valider…

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: SPSS, Bedrijfsstatistiek, Statistiek, Google Analytics en Online marketing.

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

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.

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.

Deze cursus is bedoeld voor academici/hbo’ers betrokken 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.

In overleg met de deelnemers kan deze cursus in het Nederlands of Engels worden gehouden.

Blijf op de hoogte van nieuwe ervaringen

Er zijn nog geen ervaringen.

Deel je ervaring

Heb je ervaring met deze cursus? Deel je ervaring en help anderen kiezen. Als dank voor de moeite doneert Springest € 1,- aan Stichting Edukans.

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

Aanhef
(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.