Online kursus: Machine Learning

Bliv introduceret til de mange fordele ved Machine Learning, lær at analysere din virksomheds data og bliv klar over, hvordan du kan bruge dataene til at træffe bedre og mere præcise beslutninger. Kursuspakken er på engelsk og er tilgængelig online i 365 dage.

Øg dine kompetencer ved hjælp af AI, Automation og Robotics

Bliv bedre til at bruge data til at udarbejde nye data. På dette kursus lærer du at udforske din virksomheds data og de mange muligheder dataene kan bidrage med. Du lærer at anvende algoritmer til at forudse, hvilke data din virksomhed vil få mest udnytte af og får forståelse for, hvordan regression og clustering algoritmer kan bidrage positivt til de daglige arbejdsgange i din virksomhed. Arbejdet med Machine Learning består blandt andet af benytte sig af kunstig intelligens, Predictive Modeling og Computational Theory.

Deltagerprofil

Kursuspakken henvender sig til personer, som ønsker at lære om og arbejde med Machine Learning, har interesse for kunstig intelligens, automatisering og robotics og som har behov for at kunne analysere store mængder data.

Udbytte

• Lær at bygge Machine Learning training sets
• Bliv introduceret til kunstig intelligens
• Få en forståelse for de mest fundamentale aspekter af sequence models og model management
• Lær at implementere algoritmer effektivt
• Få et indblik i, hvordan du kan bruge data til at finde ny data

Indhold i kursuspakken

Research Topics in ML and DL

• Explore research topics in Machine Learning and Deep Learning and the topics being addressed in these fields.

Building ML Training Sets

• There are numerous options available to scale and encode the features and labels in your dataset to get the best out of machine learning algorithms. Explore techniques such as standardizing, normalizing, one-hot encoding, and more.

Predictive Modelling Best Practices

• Discover the predictive modeling process and how to apply tools and techniques for performing predictive analytics.

Designing for Automation and Robotics

• Examine the different uses of data science tools and the overall platform, as well as the benefits and challenges of deployment.

Deep Learning and Computer Vision

• Explore deep learning with Keras, including how to create and use neural networks with Keras.

Planning for AI

• Before tackling AI, you need to understand the issues surrounding implementation. Discover why you need AI, how to approach organizational talent and strategy, and how to prepare for AI architecture.

Using Data to Find Data

• Explore data discovery and exploration techniques, such as pivoting, de-identification, analysis, and data tracing.

Math for Data Science #1

• Explore the application of key mathematical topics related to linear algebra with the Python programming language.

Applied Predictive Modeling

• Explore predictive modeling and commonly used models like regressions, clustering, and decision trees that are applied in Python with the scikit-learn package.

Machine and Deep Learning Algorithms

• Examine the fundamentals of machine learning and how Pandas ML can be used to build ML models. The workings of Support Vector Machines to perform classification of data is also covered.

Fundamentals of Sequence Models

• Explore artificial neural networks, their essential components, tools, and frameworks for their implementation.

Fundamentals of Model Management

• Explore various approaches to building and implementing machine learning models and pipelines and how to manage classification and regression problems.

Build and Train RNNs

• Explore artificial neural network and the components of neural networks and examine the concept of learning and training samples used in Supervised, Unsupervised and Reinforcement learning.

Object Detection with CNNs

• Explore the concept of convolutional neural network (CNN) and its underlying architecture. Discover the principles and methods driving CNN, including parameter sharing, spatial extents, padding, strides, and pooling layers.

Fundamentals of Computational Theory

• Explore the concept of computational theory and its models. Discover how to model and implement computational theory on formal language, automata theory, and context-free grammar.

Fundamentals of Predictive Modeling

• Explore how to work with feature selection, general classes of feature selection algorithms, and predictive modeling best practices.

Tidsforbrug

Kursussamlingen består af 36 kurser og kan gennemføres på ca. 30 timer.

Form

Denne online kursuspakke består af flere forskellige kurser, som du ved tilmelding har adgang til i 365 dage. Hvert enkelt kursus er opdelt i flere kursusmoduler, som du via en oversigtsmenu kan tage i den rækkefølge, du ønsker. Modulerne indeholder lyd, billeder og tekst, der gennemgår kursusindholdet. Nogle moduler indeholder små videofilm med scenarier og cases. Ved hvert kursus har du mulighed for at teste din forståelse af indholdet med tests, som du kan tage både før, under og efter kurset. Du gennemfører kursusmodulerne via din computer eller tablet med lyd og adgang til Internettet. Du kan selv styre, hvornår du vil tage modulerne – og de kan sættes på pause undervejs. Der bliver indsat bogmærker, der hvor du er nået til, så du altid har mulighed for at fortsætte, hvor du sidst kom til.

Læs mere om vores online kurser og se svar på dine spørgsmål (FAQ)

Søgte du et andet online kursus?

Vi tilbyder over 7.000 forskellige online kurser inden for mange forskellige områder. Kontakt os på tlf. 72203000 eller kurser@teknologisk.dk, så vi kan hjælpe med at imødekomme dit behov.

Se desuden listen over vores udvalgte online kurser.

Køb online kurser til flere

Er I en afdeling, en hel virksomhed eller blot flere personer, der ønsker adgang til online kurser, så kontakt os og få et tilbud på tlf. 72203000 eller kurser@teknologisk.dk

Se også vores tilstedeværelseskurser

"Machine Learning - Sådan kommer du i gang", som vi afholder på en af vores fysiske lokationer, kunne også være interessant for dig.