21 beste cursussen machinaal leren om je bij te scholen in 2026
Machinaal leren is tegenwoordig een essentiële competentie voor elke technologieleider. Maar beginnen kan overweldigend aanvoelen: Hoe ga je verder dan de basis om uitdagingen uit de praktijk aan te pakken, zoals overfitte modellen, het op grote schaal implementeren van oplossingen of het verwerken van onevenwichtige datasets? Iedere professional die met machinaal leren werkt, krijgt uiteindelijk met deze obstakels te maken, en het vinden van de juiste leermiddelen is essentieel om ze te overwinnen.
Of je nu je kennis van neurale netwerken wilt verfijnen, implementatietechnieken voor machinale-leermodellen onder de knie wilt krijgen of best practices wilt begrijpen voor het omgaan met problemen met de datakwaliteit: een gerichte cursus kan het verschil maken. In deze gids bespreken we de beste cursussen over machinaal leren—zorgvuldig samengesteld om technologieleiders te helpen de complexiteit van machinaal leren te doorgronden en toepasbare vaardigheden op te bouwen die leiden tot succes in de praktijk.
Hier zijn enkele van de beste cursussen over machinaal leren waarin cruciale concepten, praktische toepassingen en geavanceerde strategieën aan bod komen voor iedereen die zijn expertise op het gebied van kunstmatige intelligentie wil verdiepen.
Want more from The CTO Club?
Create a free account to finish this piece and join a community of CTOs and engineering leaders sharing real-world frameworks, tools, and insights for designing, deploying, and scaling AI-driven technology.
Have an account? Log In
Selectie van de beste cursussen over machinaal leren
Dit is mijn selectie van de beste cursussen over machinaal leren waarvan ik denk dat ze in 2026 je tijd waard zijn:
- Specialisatie in machinaal leren (Stanford University)
- Datawetenschap: machinaal leren (Harvard University)
- Machinaal leren voor iedereen (DataCamp)
- Machinaal leren van A tot Z: AI, Python & R + ChatGPT-prijs (Udemy)
- Machinaal leren in het bedrijfsleven (MIT Professional Education)
- Specialisatie in diep leren (DeepLearning.AI)
- Essentiële training in NLP met Python voor machinaal leren (LinkedIn Learning)
- Specialisatie in machinaal leren op Google Cloud (Google Cloud)
- Machinaal leren met Python: grondbeginselen (LinkedIn Learning)
- Grondbeginselen van machinaal leren in Python (DataCamp)
- Algoritmen voor machinaal leren (Great Learning)
- Geavanceerd machinaal leren op Google Cloud (Google Cloud)
- Recommendersystemen bouwen met machinaal leren en AI (LinkedIn Learning)
- Grondbeginselen van machinaal leren (Microsoft Learn)
- Grondbeginselen van machinaal leren & AI: lineaire regressie (LinkedIn Learning)
- Machinaal leren: grondbeginselen en algoritmen (CMU)
- Grondbeginselen van kunstmatige intelligentie: machinaal leren (LinkedIn Learning)
- Machinaal leren van begin tot eind met TensorFlow op GCP (Google Cloud)
- Professioneel certificaat machinaal leren van IBM (IBM)
- Machinaal leren en AI met Python (Harvard University)
- Grondbeginselen van big data en machinaal leren op Google Cloud (Google Cloud)
Bekijk hieronder meer informatie over elke cursus.
Overzicht van de beste cursussen over machinaal leren
1. Specialisatie in machinaal leren (Stanford University)
Deze cursus biedt een fundamentele introductie tot machinaal leren via drie cursussen die zijn ontworpen om AI-toepassingen uit de praktijk te bouwen. De cursus wordt gegeven door Andrew Ng en behandelt de basis van begeleid, onbegeleid en versterkend leren, met de nadruk op praktische modelontwikkeling
- Voor wie: Personen die geïnteresseerd zijn in het leren van de grondbeginselen van machinaal leren
- Onderwerpen:
- Modellen voor machinaal leren met NumPy en scikit-learn
- Begeleid leren met lineaire en logistische regressie
- Neurale netwerken en classificatie met meerdere klassen met TensorFlow
- Beslisbomen en ensemblemethoden
- Onbegeleid leren, waaronder clustering en anomaliedetectie
- Aanbevelingssystemen met behulp van collaboratieve filtering en diep leren
- Modellen voor diep versterkend leren
- Online, op locatie of beide?: Online
- Examen vereist?: Nee
- Duur: 2 maanden
- Hoeveel uur instructie: 10 uur per week (in eigen tempo)
- Toelatingseisen: Kennis van basisprogrammeren en wiskunde op middelbareschoolniveau
- Prijs: Gratis inschrijven
- Volg de cursus: Coursera
2. Datawetenschap: machinaal leren (Harvard University)
Deze cursus maakt deel uit van het Professional Certificate in Data Science van Harvard en richt zich op technieken voor machinaal leren voor het bouwen van voorspellende modellen met behulp van datasets. De cursus omvat praktische ervaring met het maken van een filmsaanbevelingssysteem om belangrijke algoritmen, regularisatie en kruisvalidatie te begrijpen.
- Voor wie: Beginners die geïnteresseerd zijn in datawetenschap en machinaal leren
- Onderwerpen:
- Basisbeginselen van machinaal leren
- Populaire algoritmen voor machinaal leren
- Technieken voor kruisvalidatie
- Het belang van regularisatie
- Een aanbevelingssysteem bouwen
- Online, op locatie of beide?: Online
- Examen vereist?: Nee
- Duur: 8 weken
- Hoeveel uur instructie: 2 tot 4 uur per week (in eigen tempo)
- Toelatingseisen: Geen
- Prijs:
- Zonder certificaat: Gratis
- Met certificaat: $149
- Volg de cursus: Harvard
3. Machinaal leren voor iedereen (DataCamp)
Deze cursus biedt een uitgebreide introductie tot machine learning en behandelt belangrijke gebieden zoals leren onder toezicht, leren zonder toezicht en diep leren. De cursus bevat tutorials en praktische oefeningen om concepten zoals clusteranalyse, neurale netwerken en modelevaluatie te begrijpen, evenals inzichten in hoe machine learning in verschillende sectoren wordt gebruikt.
- Voor wie: Personen zonder voorafgaande ervaring met machine learning
- Behandelde onderwerpen:
- Machine learning begrijpen
- Introductie tot Python en de functies ervan
- Leren onder toezicht met scikit-learn
- Introductie tot diep leren met PyTorch
- Versterkingsleren in Python
- Online, op locatie of beide?: Online
- Examen vereist?: Nee
- Duur: 113 uur
- Aantal lesuren: In eigen tempo
- Toelatingseisen: Geen
- Prijs: $13 voor een individueel DataCamp-abonnement
- Volg de cursus: DataCamp
4. Machine learning van A tot Z: AI, Python & R + ChatGPT-prijs [2024] (Udemy)
![De cursus Machine learning van A tot Z: AI, Python & R + ChatGPT-prijs [2024] op de cursuspagina](https://thectoclub.com/wp-content/uploads/sites/13/2024/11/machine-learning-az.png)
Deze cursus biedt een uitgebreide introductie tot machine learning, met stapsgewijze begeleiding bij het maken van algoritmen in zowel Python als R, en integreert casestudy's voor toepassingen in de echte wereld. De cursus bevat downloadbare codesjablonen voor elk project, zodat cursisten effectief kunnen oefenen en hun modellen kunnen bouwen.
- Voor wie: Beginners tot cursisten met een gemiddeld niveau in machine learning
- Behandelde onderwerpen:
- Classificatietechnieken
- Clusteringmethoden
- Natuurlijke taalverwerking
- Dimensionaliteitsreductie
- Modelselectie en boosting
- Online, op locatie of beide?: Online
- Examen vereist?: Nee
- Duur: 42 uur en 48 minuten
- Aantal lesuren: In eigen tempo
- Toelatingseisen: Wiskunde op middelbareschoolniveau
- Prijs:
- Udemy-abonnement: $20
- Eenmalige betaling: $149.99
- Volg de cursus: Udemy
5. Machine learning in het bedrijfsleven (MIT Professional Education)
Deze cursus behandelt de grondbeginselen van machine learning vanuit een bedrijfsperspectief en stelt deelnemers in staat de praktische toepassingen en strategische waarde ervan te begrijpen. De cursus is ontwikkeld door MIT’s Sloan School of Management en het Computer Science and Artificial Intelligence Laboratory (CSAI) en richt zich op het integreren van inzichten uit machine learning voor besluitvorming met impact.
- Voor wie is het bedoeld: Zakelijke professionals die geïnteresseerd zijn in het toepassen van machinaal leren
- Behandelde onderwerpen:
- Grondbeginselen van machinaal leren voor zakelijke toepassingen
- Inzicht in datagestuurde besluitvormingsprocessen
- Beperkingen en reikwijdte van machinaal leren in het bedrijfsleven
- AI integreren in de bedrijfsstrategie
- Casestudy's over de impact van machinaal leren in verschillende sectoren
- Online, fysiek of beide?: Online
- Examen vereist?: Nee
- Duur: 6 weken
- Hoeveel uur instructie: 4-6 uur per week (in eigen tempo)
- Toelatingseisen: Geen
- Prijs: $3,500
- Volg de cursus: MIT Professional Education
6. Specialisatie in diep leren (DeepLearning.AI)
Deze cursus behandelt essentiële architecturen zoals CNN's, RNN's, LSTM's en Transformer-modellen. De cursus leert theoretische en praktische toepassingen, zoals spraakherkenning en machinale vertaling, met behulp van Python en TensorFlow en benadrukt beste praktijken voor het trainen van modellen en het begrijpen van complexe configuraties voor machinaal leren.
- Voor wie is het bedoeld: Mensen die geïnteresseerd zijn in diep leren en neurale netwerken
- Behandelde onderwerpen:
- Grondbeginselen van neurale netwerken
- Beste praktijken voor het ontwikkelen van testsets
- Fouten in systemen diagnosticeren
- Sequentiemodellen
- Online, fysiek of beide?: Online
- Examen vereist?: Nee
- Duur: 3 maanden
- Hoeveel uur instructie: 10 uur per week (in eigen tempo)
- Toelatingseisen:
- Gemiddelde kennis van Python
- Basiskennis van algebra en ML
- Prijs: Gratis
- Volg de cursus: Coursera
7. Essentiële training in NLP met Python voor machinaal leren (LinkedIn Learning)
Deze cursus biedt cursisten praktische vaardigheden in het opschonen, verwerken en analyseren van ongestructureerde tekstgegevens. De cursus behandelt fundamentele NLP-concepten, geavanceerde technieken voor het opschonen van tekst en vectorisatietechnieken, en leidt tot de ontwikkeling van classificatiemodellen voor machinaal leren. Ook wordt onderzocht hoe twee typen modellen voor machinaal leren kunnen worden gebouwd en geëvalueerd en hoe modelvarianten effectief kunnen worden getest.
- Voor wie: Ontwikkelaars en datawetenschappers die geïnteresseerd zijn in NLP
- Behandelde onderwerpen:
- Basisprincipes van NLP
- Geavanceerde technieken voor gegevensopschoning
- Methoden voor tekstvectorisatie
- Beoordelen van modelnauwkeurigheid en effectiviteit
- Online, op locatie of beide?: Online
- Examen vereist?: Nee
- Duur: 4 uur en 14 minuten
- Aantal instructie-uren: Zelfstudie
- Toelatingseisen: Geen
- Prijs:
- Carrière: $39.99
- Leren voor teams: $31.67 per gebruiker
- De cursus volgen: LinkedIn Learning
8. Specialisatie machinaal leren op Google Cloud (Google Cloud)
Deze cursus behandelt de basisprincipes van machinaal leren en leert hoe je modellen op Google Cloud bouwt, traint en implementeert met Vertex AI, zonder te programmeren. De cursus behandelt het bouwen van AutoML-modellen, het maken van BigQuery ML-modellen met SQL en het beheren van gegevens met Feature Store.
- Voor wie: Personen die geïnteresseerd zijn in machinaal leren in de cloud
- Behandelde onderwerpen:
- De aanpak van Google voor machinaal leren
- Inzicht in de levenscyclus van gegevens tot AI
- Gegevensvoorbereiding en verkenningstechnieken
- Basisprincipes van TensorFlow
- Hyperparameteroptimalisatie met Vertex Vizier
- Online, op locatie of beide?: Online
- Examen vereist?: Nee
- Duur: 1 maand
- Aantal instructie-uren: 10 uur per week (zelfstudie)
- Toelatingseisen: Geen
- Prijs: Gratis
- De cursus volgen: Coursera
9. Machinaal leren met Python: grondbeginselen (LinkedIn Learning)
Deze cursus behandelt de basisprincipes van machinaal leren met Python. De cursus bespreekt hoe machines leren, welke soorten leren er zijn en welke stappen nodig zijn om gegevens te verzamelen, te begrijpen en voor te bereiden voor analyse. De cursus bevat begeleide Python-voorbeelden voor elke stap en behandelt het bouwen en interpreteren van een model voor machinaal leren.
- Voor wie is het bedoeld: Beginners in machine learning die Python gebruiken
- Behandelde onderwerpen:
- Inleiding tot machine learning en verschillende typen
- Technieken voor het verzamelen en voorbereiden van gegevens
- Gegevens analyseren op patronen en inzichten
- Machinelearningmodellen ontwikkelen
- Online, op locatie of beide?: Online
- Examen vereist?: Nee
- Duur: 1 uur en 54 minuten
- Aantal uren instructie: In eigen tempo
- Toelatingseisen: Geen
- Prijs:
- Carrière: $39.99
- Leren voor teams: $31.67 per gebruiker
- De cursus volgen: LinkedIn Learning
10. Grondbeginselen van machine learning in Python (DataCamp)
Deze cursus introduceert de grondbeginselen van machine learning met Python en behandelt essentiële concepten in neurale netwerken en deep learning met PyTorch. Er wordt ingegaan op leren onder toezicht via scikit-learn en leren zonder toezicht om gegevens te clusteren en te visualiseren met scipy, evenals toepassingen van leren door bekrachtiging.
- Voor wie is het bedoeld: Personen die nieuw zijn in machine learning met Python
- Behandelde onderwerpen:
- Leren onder toezicht en leren zonder toezicht
- Inleiding tot deep learning met PyTorch
- Leren door bekrachtiging met gymnasium in Python
- Online, op locatie of beide?: Online
- Examen vereist?: Nee
- Duur: 16 uur
- Aantal uren instructie: In eigen tempo
- Toelatingseisen: Geen
- Prijs: $13 voor een individueel DataCamp-abonnement
- De cursus volgen: DataCamp
11. Machinelearningalgoritmen (Great Learning)
Deze cursus introduceert fundamentele machinelearningalgoritmen en biedt zowel een theoretisch als praktisch inzicht in belangrijke technieken. De cursus bevat demonstraties op basis van Python om concepten en praktische vaardigheden op het gebied van leren onder toezicht en leren zonder toezicht te versterken.
- Voor wie is dit bedoeld: Personen die geïnteresseerd zijn in het begrijpen van algoritmen voor machinaal leren
- Behandelde onderwerpen:
- Inleiding tot machinaal leren
- Soorten machinaal leren (gesuperviseerd, niet-gesuperviseerd, versterkend)
- Lineaire regressie
- Naive Bayes-algoritme
- K-naaste buren (KNN)
- Ondersteunende vectormachines (SVM)
- Algoritme voor willekeurige bossen
- Online, op locatie of beide? Online
- Examen vereist? Nee
- Duur: 1 uur en 30 minuten
- Hoeveel uur instructie: 1 uur en 30 minuten
- Toelatingseisen: Basisvaardigheden met computers; vertrouwdheid met Python en wiskunde
- Prijs: Gratis
- Volg de cursus: Great Learning
12. Specialisatie geavanceerd machinaal leren op Google Cloud (Google Cloud)
Deze specialisatie richt zich op geavanceerde onderwerpen op het gebied van machinaal leren en leert cursisten hoe ze productierijpe modellen voor gestructureerde gegevens, afbeeldingen en natuurlijke taal kunnen optimaliseren, implementeren en schalen. De specialisatie bevat praktische labs via Qwiklabs, waar cursisten concepten kunnen toepassen met behulp van Google Cloud-tools.
- Voor wie is dit bedoeld: Professionals die geavanceerde kennis willen opdoen over machinaal leren op Google Cloud
- Behandelde onderwerpen:
- Ontwerpen van schaalbare systemen voor machinaal leren
- Basisprincipes van computervisie met Google Cloud
- Natuurlijke taalverwerking op Google Cloud
- Onderdelen van aanbevelingssystemen
- Online, op locatie of beide? Online
- Examen vereist? Geen
- Duur: 2 maanden
- Hoeveel uur instructie: 10 uur per week (in eigen tempo)
- Toelatingseisen: Ontworpen voor professionals uit de sector
- Prijs: Gratis
- Volg de cursus: Coursera
13. Aanbevelingssystemen bouwen met machinaal leren en AI (LinkedIn Learning)
Deze cursus biedt praktische training in het ontwerpen van aanbevelingssystemen en behandelt belangrijke technieken zoals collaboratieve filtering, matrixfactorisatie en diep leren. De cursus biedt praktijkervaring met frameworks en hulpmiddelen zoals TensorFlow en AWS SageMaker voor het bouwen van schaalbare aanbevelingsmodellen.
- Voor wie is het: Ontwikkelaars en datawetenschappers die geïnteresseerd zijn in aanbevelingssystemen
- Onderwerpen:
- Inleiding tot aanbevelingssystemen
- Technieken voor collaboratieve filtering
- Methoden voor matrixfactorisatie
- Benaderingen voor diep leren
- Grote hoeveelheden gegevens beheren
- Online, fysiek of beide? Online
- Examen vereist? Nee
- Duur: 9 uur en 5 minuten
- Hoeveel uur instructie: In eigen tempo
- Toelatingseisen: Geen
- Prijs:
- Carrière: $39.99
- Leren voor teams: $31.67 per gebruiker
- De cursus volgen: LinkedIn Learning
14. Basisprincipes van machinaal leren (Microsoft Learn)
Deze cursus introduceert de fundamentele concepten van machinaal leren en richt zich op belangrijke principes en methoden voor modelevaluatie. De cursus bevat praktische oefeningen met geautomatiseerd machinaal leren met behulp van de Azure Machine Learning-service.
- Voor wie is het: Beginners die de basisprincipes van machinaal leren willen leren
- Onderwerpen:
- Kernconcepten van machinaal leren
- Soorten machinaal leren
- Modellen voor machinaal leren trainen en evalueren
- Inleiding tot diep leren
- Geautomatiseerd machinaal leren met Azure
- Online, fysiek of beide? Online
- Examen vereist? Nee
- Duur: 1 uur en 56 minuten
- Hoeveel uur instructie: 1 uur en 56 minuten
- Toelatingseisen:
- Basiskennis van wiskunde
- Vertrouwdheid met Microsoft Azure en cloudcomputing
- Prijs: Gratis
- De cursus volgen: Microsoft Learn
15. Basisprincipes van machinaal leren & AI: lineaire regressie (LinkedIn Learning)
Deze cursus biedt een uitgebreid overzicht van lineaire regressies, met de nadruk op toepassingen uit de praktijk, zoals het voorspellen van woningwaarden, klantbestedingen en aandelenkoersen. De cursus behandelt essentiële technieken voor enkelvoudige en meervoudige lineaire regressies en richt zich op het begrijpen van regressieconcepten in plaats van op softwaremechanismen, met inzichten uit SPSS.
- Voor wie is deze cursus: Iedereen die lineaire regressie wil begrijpen
- Behandelde onderwerpen:
- Inleiding tot lineaire regressie
- Scatterplots maken en interpreteren
- Benaderingen voor het opbouwen van regressiemodellen
- Alternatieven voor regressie
- Online, op locatie of beide? Online
- Examen vereist? Nee
- Duur: 4 uur en 5 minuten
- Hoeveel uur instructie: Zelfstudie
- Toelatingseisen: Geen
- Prijs:
- Carrière: $39.99
- Leren voor teams: $31.67 per gebruiker
- De cursus volgen: LinkedIn Learning
16. Machinaal leren: grondbeginselen en algoritmen (CMU)
Deze cursus biedt diepgaande instructie over de technische grondslagen en algoritmen van machinaal leren, met de nadruk op voorspelling, classificatie en optimalisatietechnieken. De cursus combineert wiskundige theorie met praktische programmeeroefeningen om vaardigheden op te bouwen die toepasbaar zijn in de gezondheidszorg en bij data-analyse.
- Voor wie is deze cursus: Professionals met ervaring in Python die hun begrip van machinaal leren en de wiskundige grondslagen ervan willen verdiepen
- Behandelde onderwerpen:
- Grondbeginselen van methoden voor machinaal leren
- Voorspellings- en classificatiemodellen
- Regressie- en clusteringalgoritmen
- Waarschijnlijkheid, statistiek en optimalisatietechnieken
- Toepassingen in de gezondheidszorg en datagestuurde analyse
- Online, op locatie of beide? Online
- Examen vereist? Ja
- Duur: 10 weken
- Hoeveel uur instructie: 5 tot 10 uur per week
- Toelatingseisen:
- Ervaring met programmeren in Python
- Kennis van lineaire algebra, calculus, waarschijnlijkheid en statistiek op middelbareschoolniveau
- Prijs: $2,500
- De cursus volgen: CMU
17. Grondbeginselen van kunstmatige intelligentie: machinaal leren (LinkedIn Learning)
Deze cursus introduceert de levenscyclus van machineleren en begeleidt cursisten bij het verzamelen en voorbereiden van gegevens, het selecteren van algoritmen en het trainen van modellen. De cursus behandelt belangrijke methoden voor machineleren en benadrukt praktische vaardigheden voor het evalueren van modelprestaties met behulp van standaardstatistieken, zonder vereiste voorkennis.
- Voor wie is dit bedoeld: Personen die nieuw zijn op het gebied van AI en machineleren
- Behandelde onderwerpen:
- Inleiding tot machineleren
- Typen machineleren
- Algoritmen voor machineleren
- Gegevensvoorbereiding en het construeren van kenmerken
- Ethische overwegingen bij machineleren
- Online, fysiek of beide? Online
- Examen vereist? Nee
- Duur: 1 uur en 50 minuten
- Aantal uren instructie: 1 uur en 50 minuten
- Toelatingseisen: Geen
- Prijs:
- Carrière: $39.99
- Leren voor teams: $31.67 per gebruiker
- Volg de cursus: LinkedIn Learning
18. Cursus machineleren van begin tot eind met TensorFlow op GCP (Google Cloud)
Deze cursus biedt een interactieve, praktische aanpak voor het bouwen van een volledige pijplijn voor machineleren met TensorFlow op het Google Cloud Platform. Deelnemers worden begeleid vanaf het verkennen van gegevens tot en met de implementatie van modellen en het genereren van realtimevoorspellingen.
- Voor wie is dit bedoeld: Ontwikkelaars en technici op het gebied van machineleren
- Behandelde onderwerpen:
- Gegevensverkenning en voorbewerking
- Modeltraining met TensorFlow
- Modelimplementatie op Google Cloud Platform
- Instellen van realtimevoorspellingen
- Workflowautomatisering voor ML-modellen
- Online, fysiek of beide? Online
- Examen vereist? Nee
- Duur: 3 uur en 15 minuten
- Aantal uren instructie: In eigen tempo
- Toelatingseisen: Basiskennis van TensorFlow
- Prijs: $29 voor een Pluralsight-abonnement
- Volg de cursus: Pluralsight
19. Professioneel certificaat in machineleren van IBM (IBM)
Deze cursus biedt training in machine learning met behulp van opensourcetools en -bibliotheken en behandelt een uitgebreide reeks algoritmen en technieken voor toepassingen in de praktijk. De cursus omvat begeleide practica, projecten en een afsluitend project om beroepsklare vaardigheden in machine learning op te bouwen.
- Voor wie het is: Aspirant-professionals in machine learning
- Behandelde onderwerpen:
- Leren onder toezicht en zonder toezicht
- Regressie- en classificatiemodellen
- Clustertechnieken
- Beslisbomen en ensembleleren
- Dimensionaliteitsreductie
- Diep leren en leren met versterking
- Verkennende data-analyse en kenmerkengineering
- Online, op locatie of beide? Online
- Examen vereist? Ja
- Duur: 3 maanden
- Hoeveel uur instructie: 10 uur per week (in eigen tempo)
- Toelatingseisen: Geen
- Prijs: Schrijf je gratis in
- De cursus volgen: Coursera
20. Machine learning en AI met Python (Harvard University)
Deze cursus behandelt fundamentele vaardigheden die worden uitgebreid met geavanceerde algoritmen zoals bootstrap-aggregatie, willekeurige bossen en gradiëntversterking. Door toepassingen met realistische gegevens leren cursisten processen te analyseren, resultaten te evalueren en de effectiviteit van machinelearningtechnieken te meten. Daarnaast legt de cursus de nadruk op het testen van voorspellingen en het analyseren van uitkomsten om overaanpassing te voorkomen.
- Voor wie het is: Personen die Python willen inzetten voor machine learning
- Behandelde onderwerpen:
- Inzicht in algoritmen voor beslisbomen
- Verkenning van bootstrap-aggregatie en willekeurige bossen
- Technieken voor voorspellende prestaties
- Modelevaluatie en het beperken van gegevensbias
- Online, op locatie of beide? Online
- Examen vereist? Nee
- Duur: 6 weken
- Hoeveel uur instructie: 4 tot 5 uur per week (in eigen tempo)
- Toelatingseisen: Kennis van Python
- Prijs: Gratis
- De cursus volgen: Harvard University
21. Basisbeginselen van big data en machine learning in Google Cloud (Google Cloud)
Deze cursus introduceert essentiële concepten en hulpmiddelen voor het beheren van big data en machine learning in Google Cloud. De cursus begeleidt cursisten bij het gebruik van de bigdata- en ML-mogelijkheden van Google Cloud voor gegevensverwerking en -analyse.
- Voor wie bedoeld: Data-engineers en analisten die Google Cloud willen gebruiken
- Behandelde onderwerpen:
- Google Cloud-ecosysteem voor big data en machine learning
- Gegevensverwerking met BigQuery en Dataflow
- Opties voor gegevensopslag op Google Cloud
- AI Platform gebruiken voor machine learning
- Praktijklabs met Google Cloud-tools
- Online, fysiek of beide? Online
- Examen vereist? Nee
- Duur: 9 uur
- Aantal lesuren: In eigen tempo
- Toelatingseisen: Geen
- Prijs: Gratis
- Volg de cursus: Coursera
Wat nu?
Verbeter je SaaS-groei en leiderschapsvaardigheden. Abonneer je op onze nieuwsbrief voor de nieuwste inzichten van CTO's en ambitieuze technologieleiders. We helpen je slimmer op te schalen en sterker leiding te geven met handleidingen, hulpmiddelen en strategieën van toonaangevende experts!