- Datum(s)
Najaar: 5, 12, 19 en 26 november 2021 | zeker van start!
- Kosten
€ 2.825 (vrijgesteld van BTW)
Alumni van Erasmus Academie ontvangen 10% korting op de cursusprijs. Alumni van de EUR en RSM Executive Education ontvangen 5% korting op de cursusprijs. Medewerkers van de EUR en Erasmus MC ontvangen 10% korting.
Over de opleiding
Veel data zijn complex en gevarieerd. Door de juiste analsysemethoden te gebruiken kan de impact die dat heeft op processen en watnschap worden vergroot. In een hedendaagse data science workflow worden machine learning methoden steeds vaker ingezet om de waarde van big data te benutten. Tijdens de opleiding Data Science & Predictive Machine Learning leer je de laatste ontwikkelingen op het terrein van voorspellen, modelleren en analyse en leer je hoe je de informatie uit data op waarde kunt schatten. Je gaat de theorie zelf toepassen in het programma R.
Programma
Een opleidingsdag bestaat uit drie delen waarvan ieder deel als volgt is opgebouwd:
- Een collegedeel van 45 minuten
- Een practicum deel van 45 minuten
- Nabespreking van 30 minuten
.
Na de introductie maak je kennis met een aantal gangbare methoden. Je gaat zelf aan de slag met Regressie. De volgende onderdelen staan op het programma:
- Regressie: schatten en toetsen
- Regressie: aannames en invloed
Wat maakt een goed model? Je kijkt naar maten om modellen te vergelijken en te evalueren en oefent ermee.
Deze methoden komen vandaag aan de orde:
- Introductie in voorspellen en kruisvalidatie
- Classificatie
- K-nearest neighours
De focus ligt vandaag op regularisatietechnieken om overfitten te beperken.
De volgende methoden worden behandeld:
- Introductie in penalised regression
- De Lasso
- Elastic net regularisation
Vandaag staan de Support Vector Machine (SVM) en niet-lineaire voorspellingen centraal. Je kunt deze dag een eigen dataset meenemen om mee te werken. In de middag is er ruimte voor overleg met de docent.
Resultaten
- Je bent op de hoogte van de meest gebruikte Data Science tools en technieken van dit moment (R, (Ridge) Regressie, Penalty en Support Vector Machine)
- Je leert werken met variabele selecties (de Lasso en het Elastic Net) en de resultaten interpreteren
- Je weet hoe je kruisvalidatie kunt toepassen
- Je kunt deze voorspelmodellen in R toepassen, zelf waardevolle data analyses maken en de uitkomst interpreteren
Transformatie
Deze opleiding transformeert Data Science van een abstract begrip waar iedereen over praat, maar wat niemand volledig begrijpt naar een praktisch toepasbaar instrument.
Sonny Liebeek
Datums
najaar: 5, 12, 19 en 26 november 2021
De opleidingsdagen zijn van 09.30-16.30 uur in Rotterdam.
Doelgroep
Voor de beginnende Data Scientist met enige kennis van statistiek en statistische software maar ook voor professionals met affiniteit voor modellen en kwantitatieve data-analyses. Je bent bijvoorbeeld projectmanager, Business Intelligence manager of consultant, data analist, onderzoeker, business analist, marketing (technology) manager, marketing (intelligence) manager of innovatie manager.
Voorkennis
Wij adviseren statistiek kennis op HBO niveau.
Docent
Dr. Gerko Vink, Universitair Hoofddocent Applied Data Science Universiteit Utrecht. Zijn onderzoek richt zich op het analyseren van incomplete datasets en het evalueren van rekenmodellen.
Meer informatie is te vinden op zijn profiel.
Contact
Neem bij vragen over de opleiding contact op met Miranda Smit, Adviseur opleidingen
- E-mailadres
- smit@erasmusacademie.nl
- Telefoonnummer
- 0104086867
- Datum(s)
Najaar: 5, 12, 19 en 26 november 2021 | zeker van start!
- Kosten
€ 2.825 (vrijgesteld van BTW)
Alumni van Erasmus Academie ontvangen 10% korting op de cursusprijs. Alumni van de EUR en RSM Executive Education ontvangen 5% korting op de cursusprijs. Medewerkers van de EUR en Erasmus MC ontvangen 10% korting.- BTW
- Niet van toepassing
- Begindatum
- vrijdag 5 nov 2021
- Begindatum
- Geen specifieke startdatum
- Tijdsduur
- 4 dagen
- Aangeboden door
- Erasmus Academie
- Discipline
- Economie
- Type
- Cursus
- Voertaal
- Nederlands
- Instructievorm
- offline
- Locatie
- Bekostiging
private
Inschrijving
Aanmelden is mogelijk via onderstaande link: