-
Machine Learning in Python (EN)
-
Grote hoeveelheden data kunnen veel inzichten bevatten. Deze inzichten bieden toegevoegde waarde voor de bedrijfsvoering. Dit wil je via automatisch processen doen, namelijk met Machine Learning.
Training codeCGAMLIPYCEGesproken taalEngelsTaal materiaalEngelsDagdelen4Kosten€1.600,00excl. BTW Geen extra kosten.Boek nu Machine Learning in Python (EN)
In groepstrainingen gebruiken we verschillende werkvormen en doe je kennis, inzicht en inspiratie op. Bekijk ook de Gesproken taal en Taal materiaal aan de linkerkant van de pagina voor informatie over de taal.
-
9-7-2025Online Virtual
Machine Learning in Python (EN)
10
8.5
0
4 reviewsWat is Machine Learning in Python
Machine Learning in Python is een uitgebreide training die je laat kennismaken met het proces van het extraheren van inzichten uit grote hoeveelheden data met behulp van Python, de meest gebruikte programmeertaal in Data Science. Je leert over verschillende concepten zoals CRISP-DM, Scikit-learn, K-fold Cross-Validation, Random Forest, K-means Clustering, Quantile Regressors en Convolutional Neural Network. De training begeleidt je bij het opzetten van een Machine Learning pipeline in Python, het realiseren van een hogere datakwaliteit en het detecteren en voorkomen van modeldrift. De training legt de nadruk op de toepassing van geleerde concepten door middel van praktische cases, gefaciliteerd door trainers die praktijkervaring hebben met Machine Learning-systemen in Python.
Een training in Machine Learning in Python is een waardevolle investering. Je leert niet alleen theoretische concepten, maar je krijgt ook praktische inzichten en best practices van onze trainers die experts zijn in het veld. Hun expertise voegt een praktische dimensie toe aan de theoretische concepten en biedt praktijkgerichte inzichten en best practices.
Voor wie is Machine Learning in Python
- Data Analisten: verbeter je vaardigheden op het gebied van data-analyse door inzichten uit grote datasets te leren halen.
- Data Scientists: leer efficiënte Machine Learning-pijplijnen bouwen in Python.
- Data Engineers en Software Engineers: breid je vaardigheden uit door de meest gebruikte programmeertaal in Data Science te leren.
Voorvereisten
Beginnende vaardigheden en algemene kennis omtrent Python. De training ‘Introductie Python’ adresseert deze onderwerpen en is uitermate geschikt om als training hieraan voorafgaand te volgen.
Tijdens deze training heb je een laptop nodig waarop je software kunt installeren: Python.Doelstellingen
Aan het einde van de training ben je in staat om:
- Een Machine Learning-pijplijn op te zetten in Python.
- De voor- en nadelen van verschillende Machine Learning-algoritmen te begrijpen.
- Inzichten uit grote hoeveelheden data te halen.
Deze training is bedoeld om je de meest relevante en actuele kennis op het gebied van Machine Learning met behulp van Python bij te brengen.
Grote hoeveelheden data kunnen veel inzichten bevatten. Deze inzichten bieden toegevoegde waarde voor de bedrijfsvoering. Dit wil je via automatisch processen doen, namelijk met Machine Learning.
Training codeCGAMLIPYCEGesproken taalEngelsTaal materiaalEngelsDagdelen4Kosten€1.600,00excl. BTW Geen extra kosten.Een Incompany training biedt verschillende voordelen:
- Je bepaalt zelf de locatie
- Je beleeft de training met je collega’s, daardoor sluit deze altijd aan op jouw praktijk
- De trainer kan in uitleg, voorbeelden en opdrachten aansluiten bij jouw organisatie
- In overleg kan de training aangepast worden aan organisatie specifieke vragen
Vraag nu meer informatie of een offerte aan.Machine Learning in Python (EN)
10
8.5
0
4 reviewsWat is Machine Learning in Python
Machine Learning in Python is een uitgebreide training die je laat kennismaken met het proces van het extraheren van inzichten uit grote hoeveelheden data met behulp van Python, de meest gebruikte programmeertaal in Data Science. Je leert over verschillende concepten zoals CRISP-DM, Scikit-learn, K-fold Cross-Validation, Random Forest, K-means Clustering, Quantile Regressors en Convolutional Neural Network. De training begeleidt je bij het opzetten van een Machine Learning pipeline in Python, het realiseren van een hogere datakwaliteit en het detecteren en voorkomen van modeldrift. De training legt de nadruk op de toepassing van geleerde concepten door middel van praktische cases, gefaciliteerd door trainers die praktijkervaring hebben met Machine Learning-systemen in Python.
Een training in Machine Learning in Python is een waardevolle investering. Je leert niet alleen theoretische concepten, maar je krijgt ook praktische inzichten en best practices van onze trainers die experts zijn in het veld. Hun expertise voegt een praktische dimensie toe aan de theoretische concepten en biedt praktijkgerichte inzichten en best practices.
Voor wie is Machine Learning in Python
- Data Analisten: verbeter je vaardigheden op het gebied van data-analyse door inzichten uit grote datasets te leren halen.
- Data Scientists: leer efficiënte Machine Learning-pijplijnen bouwen in Python.
- Data Engineers en Software Engineers: breid je vaardigheden uit door de meest gebruikte programmeertaal in Data Science te leren.
Voorvereisten
Beginnende vaardigheden en algemene kennis omtrent Python. De training ‘Introductie Python’ adresseert deze onderwerpen en is uitermate geschikt om als training hieraan voorafgaand te volgen.
Tijdens deze training heb je een laptop nodig waarop je software kunt installeren: Python.Doelstellingen
Aan het einde van de training ben je in staat om:
- Een Machine Learning-pijplijn op te zetten in Python.
- De voor- en nadelen van verschillende Machine Learning-algoritmen te begrijpen.
- Inzichten uit grote hoeveelheden data te halen.
Deze training is bedoeld om je de meest relevante en actuele kennis op het gebied van Machine Learning met behulp van Python bij te brengen.
-
Brochure
Gerelateerd
e-CF competenties bij deze training
Bij Capgemini Academy geloven wij in transparantie en overzicht in het opleidingslandschap. Daarom kan je hieronder zien aan welke e-CF competentie deze training of certificering bijdraagt. Kijk voor meer informatie over hoe jij het e-Competence Framework kan gebruiken op deze pagina. Wil je weten hoe je het e-CF binnen jouw organisatie kan toepassen, lees dan meer op deze pagina.
e-Competence Level | 1 | 2 | 3 | 4 | 5 |
---|---|---|---|---|---|
E.1.Forecast Development | |||||
A.6.Application Design | |||||
B.1.Application Development | |||||
D.10.Information and Knowledge Management |