Publicatiedatum : 23/02/2024
Opleiding : Machine learning, van POC tot productie in PythonPython voor datawetenschap
Praktijkcursus - 3d
- 21u00 - Ref. PYD
|
Downloaden in pdf-formaat
Deze cursus delen via mail
 | De verschillende voorbewerkingsfasen instellen met Python |
| Het juiste model kiezen voor een bepaald probleem |
| Modellen toepassen en evalueren op echte gegevens |
| Een model beschikbaar maken in de cloud en ervoor zorgen dat het kan worden opgevraagd via de API |
Doelgroep
Iedereen die geïnteresseerd is in het leren van Python en de toepassing ervan op data science en machine learning.
Voorafgaande vereisten
Kennis van de taal Python. Theoretische kennis van machine learning.
Praktische modaliteiten
Praktisch werk
De cursus richt zich op praktische toepassing, zodat deelnemers zelfvoorzienend zijn.
Leer methodes
Deze cursus is ontworpen door experts op basis van hun feedback en behandelt de verschillende stadia van een Machine Learning-project, van ontwerp tot productie.
Opleidingsprogramma
1 Gegevens importeren en voorbewerken
- De ontwikkelomgeving Python / Anaconda / Jupyter Notebook.
- Pandas: analyse van gegevens in tabelvorm (CSV, Excel, enz.), statistieken, pivots, joins, filters.
- Omgaan met ontbrekende waarden: toerekening door gemiddelde, mediaan, interpolatie, knn...
- Verwerking van uitschieters: grafische analyse, IQR-methode, Z-score.
- Standaardisatie.
- Standaardisatie: scheefheid en kurtose.
- Onevenwichtige gegevens: Undersampling, Oversampling, SMOTE.
Praktisch werk
Omgaan met Python in een Jupyter-notebook. Praktische oefening met pandas.
Implementatie van alle pre-processing met behulp van specifieke Python-bibliotheken.
2 Modeltraining en -evaluatie
- De meest voorkomende supervised en unsupervised leermodellen.
- Modellen trainen met Scikit-learn.
- Beoordelingsmethoden: de juiste maatstaven kiezen voor elke kwestie.
Praktisch werk
Train verschillende supervised en unsupervised modellen, vergelijk de prestaties en kies het beste model.
3 Modeloptimalisatie en prestatielogging
- Presentatie van de bibliotheken Optuna en Hyperopt.
- Presentatie van de Grid Search-benadering voor het identificeren van de beste hyperparameters in een model.
- Log van hyperparameters en prestaties in Mlflow.
Praktisch werk
Optimalisatie van de modellen ontwikkeld in de vorige sectie en loggen van metrieken/hyperparameters in Mlflow.
4 Model- en gegevensafwijking
- Interesse in het controleren van het Drift-model en Data Drift.
- Presentatie van de Evidently en Streamlit bibliotheken.
Praktisch werk
Implementatie van een Evidently Dashboard om gegevensdrift te monitoren.
5 Industrialisatie: implementatie in de cloud
- Inleiding tot de AWS EC2-service.
- Presentatie van Flask voor het aanbieden van een machine-learningmodel via een API.
- Presentatie van verschillende tools om verbinding te maken met de virtuele omgeving, zoals Putty, Visual Studio Code, enz.
- Deployment van code via GitHub.
Praktisch werk
Een model implementeren in een cloudomgeving met behulp van de Flask-bibliotheek.
Feedback van klanten
4 / 5
De feedback van klanten is afkomstig van eindevaluaties na de opleiding. De score wordt berekend op basis van alle evaluaties die minder dan 12 maanden oud zijn. Alleen die met een tekstcommentaar worden weergegeven.
PAULO F.
01/12/25
4 / 5
goede voortgang van het onderwijsprogramma gedurende de 3 dagen
YOANN R.
01/12/25
5 / 5
Hiermee kom je tot de kern van de zaak, met een echte nadruk op het in praktijk brengen in de echte wereld.
CHARLOTTE M.
01/12/25
4 / 5
Erg interessant, maar ik had graag meer details gehad over het industrialisatiegedeelte, zelfs als dat betekende dat er een dag aan de cursus moest worden toegevoegd.
DEELNEMERS
Iedereen die geïnteresseerd is in het leren van Python en de toepassing ervan op data science en machine learning.
VOORAFGAANDE VEREISTEN
Kennis van de taal Python. Theoretische kennis van machine learning.
VAARDIGHEDEN VAN DE CURSUSLEIDER
De deskundigen die de cursus leiden zijn specialisten op het betreffende vakgebied. Zij werden geselecteerd door onze pedagogische teams zowel om hun vakkennis als hun pedagogische vaardigheden voor elke cursus die zij geven. Zij hebben minstens vijf tot tien jaar ervaring in hun vakgebied en oefenen of oefenden verantwoordelijke bedrijfsfuncties uit.
BEOORDELINGSMODALITEITEN
De cursusleider beoordeelt de pedagogische vooruitgang van de deelnemer gedurende de gehele cursus aan de hand van meerkeuzevragen, praktijksituaties, praktische opdrachten, …
De deelnemer legt ook van tevoren en naderhand een test af ter bevestiging van de verworven kennis.
TOEGANGSMODALITEITEN EN TERMIJNEN
De inschrijving dient 24 uur voor aanvang van de cursus plaatsgevonden te hebben.
TOEGANKELIJKHEID VOOR MINDERVALIDEN
Is voor u speciale toegankelijkheid vereist? Neem contact op met mevr. FOSSE, contactpersoon voor mindervaliden, via het adres psh-accueil@ORSYS.fr om uw verzoek en de haalbaarheid daarvan zo goed mogelijk te bestuderen.
Iedereen die geïnteresseerd is in het leren van Python en de toepassing ervan op data science en machine learning.
VOORAFGAANDE VEREISTEN
Kennis van de taal Python. Theoretische kennis van machine learning.
VAARDIGHEDEN VAN DE CURSUSLEIDER
De deskundigen die de cursus leiden zijn specialisten op het betreffende vakgebied. Zij werden geselecteerd door onze pedagogische teams zowel om hun vakkennis als hun pedagogische vaardigheden voor elke cursus die zij geven. Zij hebben minstens vijf tot tien jaar ervaring in hun vakgebied en oefenen of oefenden verantwoordelijke bedrijfsfuncties uit.
BEOORDELINGSMODALITEITEN
De cursusleider beoordeelt de pedagogische vooruitgang van de deelnemer gedurende de gehele cursus aan de hand van meerkeuzevragen, praktijksituaties, praktische opdrachten, …
De deelnemer legt ook van tevoren en naderhand een test af ter bevestiging van de verworven kennis.
PEDAGOGISCHE EN TECHNISCHE MIDDELEN
• De gebruikte pedagogische middelen en cursusmethoden zijn voornamelijk: audiovisuele hulpmiddelen, documentatie en cursusmateriaal, praktische oefeningen en correcties van de oefeningen voor praktijkstages, casestudies of reële voorbeelden voor de seminars.
• Na afloop van de stages of seminars verstrekt ORSYS de deelnemers een evaluatievragenlijst over de cursus die vervolgens door onze pedagogische teams wordt geanalyseerd.
• Na afloop van de cursus wordt een presentielijst per halve dag verstrekt, evenals een verklaring van de afronding van de cursus indien de stagiair alle sessies heeft bijgewoond.
• De gebruikte pedagogische middelen en cursusmethoden zijn voornamelijk: audiovisuele hulpmiddelen, documentatie en cursusmateriaal, praktische oefeningen en correcties van de oefeningen voor praktijkstages, casestudies of reële voorbeelden voor de seminars.
• Na afloop van de stages of seminars verstrekt ORSYS de deelnemers een evaluatievragenlijst over de cursus die vervolgens door onze pedagogische teams wordt geanalyseerd.
• Na afloop van de cursus wordt een presentielijst per halve dag verstrekt, evenals een verklaring van de afronding van de cursus indien de stagiair alle sessies heeft bijgewoond.
TOEGANGSMODALITEITEN EN TERMIJNEN
De inschrijving dient 24 uur voor aanvang van de cursus plaatsgevonden te hebben.
TOEGANKELIJKHEID VOOR MINDERVALIDEN
Is voor u speciale toegankelijkheid vereist? Neem contact op met mevr. FOSSE, contactpersoon voor mindervaliden, via het adres psh-accueil@ORSYS.fr om uw verzoek en de haalbaarheid daarvan zo goed mogelijk te bestuderen.
Data en plaats
Selecteer uw locatie of kies voor de les op afstand en kies vervolgens uw datum.
Klas op afstand
Laatste plaatsen
Garantiedatum ter plaatse of op afstand
Gegarandeerde sessie