Machine Learning Fundamentals
Introductie
In deze hands-on workshop krijg je praktische ervaring met de fundamenten van machine learning. Je leert hoe je klassieke ML-technieken toepast — zoals regressie, classificatie, beslisbomen en clustering — en hoe je modellen traint, valideert en evalueert aan de hand van echte datasets.
Naast het bouwen van modellen ga je ook aan de slag met feature engineering, het omgaan met onvolledige of vertekende data, en leer je hoe ML logisch past binnen bredere AI-pipelines naast bijvoorbeeld LLMs. Deze training is ideaal voor wie meer grip wil krijgen op de onderliggende principes van AI en machine learning écht wil begrijpen én toepassen.
Leerdoelen
Klassieke ML-technieken toepassen: lineaire/logistieke regressie, k-means clustering, decision trees, random forest
Modellen trainen, valideren en evalueren met o.a. confusion matrix, ROC-curve en F1-score
Feature engineering toepassen: selectie, transformatie en normalisatie van inputvariabelen
Omgaan met datavervuiling, ontbrekende waarden en bias in datasets
ML integreren in bredere AI-workflows: van modelontwikkeling tot productie
Aanpak en werkvormen
Tijdens deze workshop werk je hands-on met realistische datasets uit verschillende domeinen (bijv. gezondheidszorg, finance of klantdata). Je bouwt complete ML-workflows van preprocessing tot evaluatie en bespreekt de impact van keuzes zoals modelselectie en hyperparameter tuning.
Er wordt gewerkt met tools zoals scikit-learn, Pandas, NumPy en Jupyter Notebooks.
Bij interesse stemmen we de training af op specifieke domeinen of bestaande dataprojecten van jouw organisatie.
Voor wie
Deze training is bedoeld voor dataspecialisten, engineers, analisten of developers die meer willen doen met AI dan alleen LLMs, en zich willen verdiepen in de klassieke machine learning-aanpak als fundament voor moderne AI-toepassingen.
Geïnteresseerd in deze training?
Neem gerust contact met ons op. We denken graag met je mee over een training die aansluit bij de kennis en doelen van jouw team of organisatie.
Machine Learning Fundamentals
Introductie
In deze hands-on workshop krijg je praktische ervaring met de fundamenten van machine learning. Je leert hoe je klassieke ML-technieken toepast — zoals regressie, classificatie, beslisbomen en clustering — en hoe je modellen traint, valideert en evalueert aan de hand van echte datasets.
Naast het bouwen van modellen ga je ook aan de slag met feature engineering, het omgaan met onvolledige of vertekende data, en leer je hoe ML logisch past binnen bredere AI-pipelines naast bijvoorbeeld LLMs. Deze training is ideaal voor wie meer grip wil krijgen op de onderliggende principes van AI en machine learning écht wil begrijpen én toepassen.
Leerdoelen
Klassieke ML-technieken toepassen: lineaire/logistieke regressie, k-means clustering, decision trees, random forest
Modellen trainen, valideren en evalueren met o.a. confusion matrix, ROC-curve en F1-score
Feature engineering toepassen: selectie, transformatie en normalisatie van inputvariabelen
Omgaan met datavervuiling, ontbrekende waarden en bias in datasets
ML integreren in bredere AI-workflows: van modelontwikkeling tot productie
Aanpak en werkvormen
Tijdens deze workshop werk je hands-on met realistische datasets uit verschillende domeinen (bijv. gezondheidszorg, finance of klantdata). Je bouwt complete ML-workflows van preprocessing tot evaluatie en bespreekt de impact van keuzes zoals modelselectie en hyperparameter tuning.
Er wordt gewerkt met tools zoals scikit-learn, Pandas, NumPy en Jupyter Notebooks.
Bij interesse stemmen we de training af op specifieke domeinen of bestaande dataprojecten van jouw organisatie.
Voor wie
Deze training is bedoeld voor dataspecialisten, engineers, analisten of developers die meer willen doen met AI dan alleen LLMs, en zich willen verdiepen in de klassieke machine learning-aanpak als fundament voor moderne AI-toepassingen.
Geïnteresseerd in deze training?
Neem gerust contact met ons op. We denken graag met je mee over een training die aansluit bij de kennis en doelen van jouw team of organisatie.
Beschrijving:
Krijg praktische grip op klassieke machine learning-technieken zoals classificatie, regressie en clustering, inclusief modelselectie en evaluatie.
Leerdoelen:
Klassieke ML-technieken toepassen: regressie, beslisbomen, clustering.
Modellen trainen, valideren en evalueren (confusion matrix, F1-score).
Feature engineering en omgaan met bias of datavervuiling.
Integratie van ML in AI-workflows en pipelines.
Voor wie: Dataspecialisten, engineers en professionals met technische kennis die AI breder willen inzetten dan alleen LLMs.
Machine Learning Fundamentals
Introductie
In deze hands-on workshop krijg je praktische ervaring met de fundamenten van machine learning. Je leert hoe je klassieke ML-technieken toepast — zoals regressie, classificatie, beslisbomen en clustering — en hoe je modellen traint, valideert en evalueert aan de hand van echte datasets.
Naast het bouwen van modellen ga je ook aan de slag met feature engineering, het omgaan met onvolledige of vertekende data, en leer je hoe ML logisch past binnen bredere AI-pipelines naast bijvoorbeeld LLMs. Deze training is ideaal voor wie meer grip wil krijgen op de onderliggende principes van AI en machine learning écht wil begrijpen én toepassen.
Leerdoelen
Klassieke ML-technieken toepassen: lineaire/logistieke regressie, k-means clustering, decision trees, random forest
Modellen trainen, valideren en evalueren met o.a. confusion matrix, ROC-curve en F1-score
Feature engineering toepassen: selectie, transformatie en normalisatie van inputvariabelen
Omgaan met datavervuiling, ontbrekende waarden en bias in datasets
ML integreren in bredere AI-workflows: van modelontwikkeling tot productie
Aanpak en werkvormen
Tijdens deze workshop werk je hands-on met realistische datasets uit verschillende domeinen (bijv. gezondheidszorg, finance of klantdata). Je bouwt complete ML-workflows van preprocessing tot evaluatie en bespreekt de impact van keuzes zoals modelselectie en hyperparameter tuning.
Er wordt gewerkt met tools zoals scikit-learn, Pandas, NumPy en Jupyter Notebooks.
Bij interesse stemmen we de training af op specifieke domeinen of bestaande dataprojecten van jouw organisatie.
Voor wie
Deze training is bedoeld voor dataspecialisten, engineers, analisten of developers die meer willen doen met AI dan alleen LLMs, en zich willen verdiepen in de klassieke machine learning-aanpak als fundament voor moderne AI-toepassingen.
Geïnteresseerd in deze training?
Neem gerust contact met ons op. We denken graag met je mee over een training die aansluit bij de kennis en doelen van jouw team of organisatie.
How It All Started
This is a space to share more about the business: who's behind it, what it does and what this site has to offer. It’s an opportunity to tell the story behind the business or describe a special service or product it offers. You can use this section to share the company history or highlight a particular feature that sets it apart from competitors.
Let the writing speak for itself. Keep a consistent tone and voice throughout the website to stay true to the brand image and give visitors a taste of the company’s values and personality.