Locatie
Wattbaan 1, Nieuwegein
Aantal bijeenkomsten
3 lessen
Doorlooptijd
3 weken
Menu
Wattbaan 1, Nieuwegein
3 lessen
3 weken
Maandag, dinsdag of vrijdag
09:30 – 16:30
€1785
In deze artificial intelligence bootcamp van drie dagen leggen wij samen de basis voor jouw toekomst in artificial intelligence en werken we aan je deep learning skills. We bespreken hoe je objecten in afbeeldingen kunt herkennen, natuurlijke tekst kunt analyseren en wat de basisprincipes achter deep learning en neural networks zijn. In detail behandelen we Keras, Tensorflow, TensorBoard en laten we zien hoe dit in de cloud te deployen is. Gebruikmakend van Google Colab. Hierbij leer je de belangrijkste fundamentals, zonder te lang in te gaan op de algebra hier achter. De logica achter de modellen wordt op een begrijpelijke manier uitgelegd. Na deze dagen kun jij aan de slag met de opgedane kennis op je eigen datasets. De code voorbeelden die we gebruiken in de cursus zijn klaar om ook na de training zelf mee aan de slag te gaan in de cloud. Wij delen onze ervaringen uit de praktijk en zorgen ervoor dat jij na deze training direct kunt starten met je eigen deep learning project.
Deze cursus is bedoeld voor data scientists/analisten, data engineers en software engineers die graag meer willen weten over Deep Neural Networks en hun toepassingen in praktische situaties. Idealiter heb je al een data science achtergrond en ben je bekend met een aantal machine learning technieken maar dat is geen must. In de cursus behandelen we real-world vraagstukken zodat je deze ook kunt uitvoeren op je eigen datasets. Enige programmeer achtergrond is gewenst. De bootcamp is een perfecte aanvulling op de opleiding Certified Data Science Professional (CDSP).
Het doel van deze cursus is om ‘hands-on’ ervaring op te doen in de toepassing van diepe neurale netwerken en TensorFlow voor echte toepassingen. Daarnaast is het belangrijk om bewust te zijn van de implicaties en werking van de mechanisme.
Op dag 1 beginnen we met een introductie in Artificial Intelligence met de focus op deep-learning. Wanneer spreken we van een deep neural network, hoe train je een dergelijk netwerk en wat is de relatie met de rest van het machine learning landschap? We beginnen met het opzetten van de omgeving. In de eerste dag zullen we een neural network vanaf scratch bouwen. We behandelen basis modellen en vertellen waar je op moet letten en hoe je de juiste (hyper) parameters kunt selecteren. We maken onderscheid tussen supervised en unsupervised learning en starten met een introductie in tekstmining. Introductie in de toolstack die we gaan gebruiken: Keras, TensorFlow en Tensorboard in Google Co-lab cloud.
Het hoofdthema voor dag twee is beeldherkenning en het convolutionele neurale netwerk (CNN).
We gaan zelf een beeld herkenner maken en behandelen ook bestaande classificatie algoritmen en benchmarks (uit de cloud). Daarnaast komt er een praktijkvoorbeeld van hoe je geluidsclassificatie kunt inzetten voor natuurbescherming. Alpha zero wordt besproken. Ook tijdreeksanalyse op basis van Neural network wordt op deze dag behandeld.
Zaken die behandeld worden:
Dag 3 richt zich op Natural Language Processing. We zullen beginnen met klassieke NLP en textmining en doorgaan met meer geavanceerde modellen zoals het door Google open source gemaakte BERT algoritme.
Zaken die behandeld worden:
De frameworks zijn NLTK en ‘transfer’ modellen zoals BERT en Zalando. We zullen de voordelen van ‘transfer’ modellen toelichten en de nieuwste ontwikkelingen bespreken. We zullen ook verdiepen op basis van echte ervaringen.
We hebben opleidingen van drie dagen tot een half jaar. De studiebelasting is zo gekozen dat je de opleiding naast je werk kunt doen.
Dat wil zeggen dat je naast de opleidingsdag er vanuit moet gaan dat je nog één avond (3 uur) bezig bent met studeren of opdrachten maken.
Veel van de opleidingen bij DIKW Academy zijn praktisch ingestoken. Dat wil zeggen dat je hands-on aan de bak moet. Tools installeren, dingen uitzoeken en aan de praat krijgen.
Algoritmes proberen, testen of dingen werken en of je snapt wat er gebeurt.
Daarnaast is in veel opleidingen een praktijkcase die je uitvoert. Als je dat een beetje handig aanpakt zul je zien dat je die opdracht heel mooi kunt gebruiken om een eerste Minimal Viable Product (MVP) op het gebied van data science of data engineering kunt maken voor jouw opdrachtgever. Daarin willen mensen nogal eens erg enthousiast worden en er meer tijd in steken dan zo vooraf hadden gedacht. Maar wel met vaak een heel mooi resultaat.
De locatie van de DIKW Academy is:
Wattbaan 1
3439ML Nieuwegein
Onze academy is ingericht op hybride werken. Voor de leeromgeving niet ideaal, maar mocht het een keer net zo uitkomen, sluit je net zo makkelijk online aan.
Ja. Wij hebben een eigen video conferencing service (Jitsi) en een e-learning platform (Moodle) waar al het materiaal beschikbaar is.
Het helpt als je al ervaring hebt met bepaalde onderdelen van de opleiding. Bij de opleiding Certified Data Science Professional (CDSP) is het bijvoorbeeld handig als je je kennis van beschrijvende en toetsende statistiek hebt opgefrist, of als je al ervaring hebt in een scriptingtaal. Ook voor CDEP is er echter geen specifieke voorkennis nodig, maar het maakt het wel makkelijker. Bij jouw inschrijving ontvang je een document waarin staat hoe je je optimaal kan voorbereiden op de opleiding.
Mocht je ergens over twijfelen, mag je altijd contact met ons opnemen.
Je hoeft geen eigen data te hebben om de praktijkopdracht uit te voeren. Ook met een dataset die online te vinden is kun je een mooie praktijkcase maken. De docent zal je begeleiden bij het zoeken naar een geschikte dataset.
Nee. Sinds 2022 zijn studiekosten niet meer aftrekbaar van de inkomstenbelasting.
Neem dan even contact met ons op.
