\n\t\t\t
\n\t\t\t\t\n\t <\/svg><\/i>Duur\t\t\t<\/p>\n\t\t\t\n\t\t\t\t3 days\t\t\t<\/p>\n\t\t<\/div>\n\t\t\t
\n\t\t\t
\n\t\t\t\t\n\t <\/svg><\/i>Tijd\t\t\t<\/p>\n\t\t\t\n\t\t\t\t09:00 – 17:00\t\t\t<\/p>\n\t\t<\/div>\n\t\t\t
\n\t\t\t
\n\t\t\t\t\n\t <\/svg><\/i>Taal\t\t\t<\/p>\n\t\t\t\n\t\t\t\tEnglish\t\t\t<\/p>\n\t\t<\/div>\n\t\t\t
\n\t\t\t
\n\t\t\t\t\n\t <\/svg><\/i>Lunch\t\t\t<\/p>\n\t\t\t\n\t\t\t\tIncluded\t\t\t<\/p>\n\t\t<\/div>\n\t\t\t
\n\t\t\t
\n\t\t\t\t\n\t <\/svg><\/i>Certificering\t\t\t<\/p>\n\t\t\t\n\t\t\t\tNo\t\t\t<\/p>\n\t\t<\/div>\n\t\t\t
\n\t\t\t
\n\t\t\t\t\n\t <\/svg><\/i>Level\t\t\t<\/p>\n\t\t\t\n\t\t\t\tProfessional\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n\t\t<\/div>\n\t<\/div>\n\n\n\n
\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t\n\n
\n\t\n\n
\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t
\n\tWat leer je?<\/h2><\/div>\n\t\t<\/div>\n\t<\/div>\n\n\n\n\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t\t\t
\n\tNa de training ben je in staat om:<\/p>\t
\n\t\t\n\n
\n\t
\n\t <\/svg><\/i>\n\tBouw en train je eigen neurale netwerken met Keras\/TensorFlow.<\/p><\/div>\n\n\n\n
\n\t
\n\t <\/svg><\/i>\n\tPas Deep Learning toe op verschillende soorten gegevens: afbeeldingen, tekst en tijdreeksen.<\/p><\/div>\n\n\n\n
\n\t
\n\t <\/svg><\/i>\n\tIntu\u00eftief de theorie achter Deep Learning begrijpen om de juiste keuzes te maken.<\/p><\/div>\n\n\t<\/div>\n<\/div>\n\t\t<\/div>\n\t<\/div>\n\n<\/div>\n\n\n\n
\n\t\n\n
\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t\n\n
\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t
\n\tBelangrijkste leerdoelen<\/h2><\/div>\n\t\t<\/div>\n\t<\/div>\n\n\n\n\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t
\n\tTheorie van Deep Learning<\/h4><\/div>\n\t\t<\/div>\n\t<\/div>\n\n\n\n\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t
\n\tGeschiedenis: De opkomst van deep learning en de huidige toepassingen. <\/li> Hoe kies je de juiste (aantal) lagen en architectuur voor je probleem: batchnormalisatie, uitval, volledig verbonden lagen, convolutielagen, LSTM’s. <\/li> Hoe kies je de juiste hyperparameters voor je probleem: leersnelheid, optimizers, gewichtsinitialisatie, batchgrootte. <\/li><\/ol><\/div>\n\t\t<\/div>\n\t<\/div>\n\n\n\n\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t
\n\tDeep Learning in de praktijk<\/h4><\/div>\n\t\t<\/div>\n\t<\/div>\n\n\n\n\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t
\n\tBouw een neuraal netwerk en train het vanaf nul.<\/li> Technieken voor voorbewerking en vergroting van gegevens. <\/li> Leren overdragen van bestaande populaire architecturen. <\/li> Huidige Deep Learning-modellen en -technieken voor afbeeldingen, tekst en tijdreeksen. <\/li><\/ol><\/div>\n\t\t<\/div>\n\t<\/div>\n\n<\/div>\t\t<\/div>\n\t<\/div>\n\n<\/div>\n\n<\/div>\n\t\t<\/div>\n\t<\/div>\n\n\n\n\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t\n\n
\n\t\n\n
\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t
\n\tProgramma<\/h2><\/div>\n\t\t<\/div>\n\t<\/div>\n\n<\/div>\n\n\n\n\n\t\n\n
\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t\t\n\n
\n\t
\n\t\t\n\tDag 1<\/h2>\t\t\n\t\t\n\t\t\t\n\t <\/svg><\/i>\t\t<\/span>\n\t<\/button>\n\n\t\n\t\t
\n\t\t\t\n\n
\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t
\n\tIntu\u00eftie & toepassingen van Deep Learning <\/li> Een neuraal netwerk deconstrueren <\/li> Je eerste deep-learning model bouwen <\/li><\/ul><\/div>\n\t\t<\/div>\n\t<\/div>\n\n\t\t<\/div>\n\t<\/div>\n<\/div>\n\n\n\n\n\t
\n\t\t\n\tDag 2<\/h2>\t\t\n\t\t\n\t\t\t\n\t <\/svg><\/i>\t\t<\/span>\n\t<\/button>\n\n\t\n\t\t
\n\t\t\t\n\n
\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t
\n\tDeep Learning voor computervisie <\/li> Een netwerk deconstrueren met convoluties <\/li> Bouw je eerste CNN (Convolutional Neural Network) <\/li><\/ul><\/div>\n\t\t<\/div>\n\t<\/div>\n\n\t\t<\/div>\n\t<\/div>\n<\/div>\n\n\n\n\n\t
\n\t\t\n\tDag 3<\/h2>\t\t\n\t\t\n\t\t\t\n\t <\/svg><\/i>\t\t<\/span>\n\t<\/button>\n\n\t\n\t\t
\n\t\t\t\n\n
\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t
\n\tDeep Learning voor sequenti\u00eble gegevens <\/li> Een terugkerend netwerk deconstrueren <\/li> Je eerste RNN\/LSTM bouwen <\/li><\/ul><\/div>\n\t\t<\/div>\n\t<\/div>\n\n\t\t<\/div>\n\t<\/div>\n<\/div>\n\n<\/div>\n\t\t<\/div>\n\t<\/div>\n\n<\/div>\n\n<\/div>\n\t\t<\/div>\n\t<\/div>\n\n\n\n\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t
\n\tVoor wie is het?<\/h2><\/div>\n\t\t<\/div>\n\t<\/div>\n\n\n\n\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t\n\n
\n\t\n\n
\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t
\n\tDeze training is perfect voor Data Scientists die hun skills in Deep Learning willen verbeteren. Als je al ervaring hebt met Machine Learning en wilt overstappen van handgemaakte invoerfuncties naar datagestuurde functies, dan is deze training ideaal voor jou. Het is vooral geschikt voor Data Scientists die werken met ongestructureerde gegevens zoals tekst, afbeeldingen, geluid en tijdreeksen. <\/p><\/div>\n\t\t<\/div>\n\t<\/div>\n\n<\/div>\n\n\n\n
\n\t\n\n
\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t\t\t
\n\tVereisten<\/p>\t
\n\t\t\n\n
\n\t
\n\t <\/svg><\/i>\n\tBasiskennis van Python en Machine Learning-concepten is nuttig.<\/p><\/div>\n\n\n\n
\n\t
\n\t <\/svg><\/i>\n\tOm het meeste uit deze training te halen, raden we aan om minstens een jaar werkervaring te hebben met Pandas, Scikit-learn en Matplotlib. <\/p><\/div>\n\n\t<\/div>\n<\/div>\n\t\t<\/div>\n\t<\/div>\n\n<\/div>\n\n<\/div>\n\t\t<\/div>\n\t<\/div>\n\n\n\n
\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t
\n\tWaarom zou je deze training volgen?<\/h2><\/div>\n\t\t<\/div>\n\t<\/div>\n\n\n\n\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t\n\n
\n\t\n\n
\n\t\t\n\t\t\t
\n\t\t\t\n
\n\t
\n\t <\/svg><\/i><\/div>\n\t\t<\/div>\n\t<\/div>\n\n\n\n