Cursusinhoud Data Science

Dag 1: Intro to Data Science and Machine Learning

Fundamenten van machine learning

• Supervised learning. Supervised Learning is een van de meest gebruikte learning technieken van hedendaagse machine learning modellen. Bij Supervised Learning leren modellen van gelabelde data. Dit kunnen gelabelde afbeeldingen zijn van katten en honden of een dataset met informatie over huizenprijzen.
• Unsupervised learning. Unsupervised Learning is een algoritme dat leert door patronen te herkennen. We leren hier welke soort Unsupervised Learning algoritmen er zijn. Ook leren we welke toepassingen Unsupervised Learning algoritmen hebben. We zullen hierbij enkele voorbeeld cases bespreken.
• Test set/train set. Voor het goed opzetten van een machine learning model is het heel belangrijk een scheiding te maken in je test en train set. Op deze manier kun je op een unbiased manier je hyperparameters optimaliseren. In deze module leer je waarom je dat doet en op welke manier je dat het beste kan doen.
• Bias en variance (overfitting). Het creëren van een optimaal machine learning model betekent een goede balans vinden in de complexiteit van het model. Je leert in deze module alles over het optimaliseren van het model en wat de gevolgen zijn van overfitting en underfitting.

Regressie

• Cost function en gradient descent. Hier leer je alles over hoe machine learning modellen leren. Je leert het concept van de cost function, leert verschillende soorten cost functions en leert wat Gradient Descent is. Ook leer je hoe je optimaal parameters kiest voor Gradient Descent.
• Lineaire en polynomial regressie in sci-kit learn. In deze module pas je concepten toe voor het voorspellen van huizenprijzen. Je leert de resultaten analyseren en bekijkt hoe goed jouw model het doet met behulp van verschillende cost functions.

Dag 2: Clustering en Classificatie

Clustering

• K-means. Leer hier alles over het K-means clustering algoritme. Je leert hoe je data clustert op basis van een K aantal centrumpunten en hoe je een optimaal aantal centrumpunten kiest. Ook leer je het nut van data normaliseren of standaardiseren.
• Clustering toepassen op de Iris dataset. Je past de theorie van K-means clustering toe op de Iris dataset. Hier cluster je de data van de Iris flower data set en leer je clusters herkennen.
• DBSCAN. Naast K-means leert je over DBSCAN. DBSCAN is een clustering-algoritme dat punten in clusters groepeert op basis van hun nabijheid en dichtheid.

Dag 3: Classificatiemodellen

Classificatie

• KNN. In deze module leer je data classificeren op basis van het KNN (k-nearest neighbors) algoritme. Een algoritme dat leert door te kijken naar dichtbijgelegen datapunten. Je leert hier voor welk soort data en vraagstukken dit algoritme geschikt is. Ook leer je hoe je op een zorgvuldige manier de juiste parameters kiest. Daarnaast leer je alle voor en nadelen van dit algoritme. We sluiten het theorie gedeelte af met uitbreidingen op het algoritme die het algoritme nauwkeuriger maken.
• Classificatie met diabetes dataset. We passen dit algoritme toe op een dataset met mensen die wel of niet diabetes hebben. De uitdaging is hier om diabetes te kunnen voorspellen aan de hand van verschillende factoren.
• Precision, recall en F1-score. Wanneer we classificatie algoritmen gebruiken, hebben we goede graadmeters nodig om het algoritme te kunnen beoordelen op kwaliteit. In deze module leer je hoe je dit systematisch kan doen.
• SVM. In deze module leer je over het SVM (Support Vector Machine) algoritme. Je leert de voordelen van dit algoritme en hoe je systematisch parameters kiest, zodat er geen overfitting ontstaat.

Decision Trees en Regression Trees

• Information Gain . Leer met de hand decision trees maken door de information gain per splitsing te berekenen. Je leert hiermee de theorie achter information gain en decision trees. Je begrijpt hierdoor op een fundamentele manier hoe dit soort algoritmes werken.
• Overfitting. Ook decision trees hebben last van overfitting. We leren waarom decision trees overfitten. Ook hier leren we systematisch belangrijke parameters aan te passen.
• Regression Trees toepassen op regressie probleem. We breiden het concept van Decision Trees uit naar Regression Trees. Hiermee leren we hoe beslisbomen in staat zijn numerieke data te voorspellen.