Machine Learning - Efteruddannelse
Danmarks mest populære machine learning kursus med 10+ års erfaring i ML-forskning.
Hurtige facts
- Pris:
- 20,000 DKK
- Varighed:
- 1 uger
- Format:
- campus
- Niveau:
- Mellem
- Lokation:
- Lyngby
Om uddannelsen
DTU's Machine Learning efteruddannelse er Danmarks mest populære og respekterede ML-kursus, baseret på den internationale bestseller "Introduction to Statistical Learning" kombineret med praktisk implementering. Kurset er designet til professionelle der ønsker dyb forståelse for machine learning principper og praktisk anvendelse.
Denne intensive 1-ugers uddannelse dækker supervised og unsupervised learning, linear og logistic regression, tree-based metoder, support vector machines, ensemble metoder og introduktion til neural networks. Alle koncepter forklares både teoretisk og implementeres praktisk i Python.
Undervisere er DTU professorer og forskere med 10+ års erfaring inden for machine learning og AI. De kombinerer akademisk excellence med industriel erfaring og sikrer at deltagerne får både teoretisk dybde og praktiske færdigheder.
Hver dag inkluderer forelæsninger, hands-on øvelser og case-studier baseret på reelle datasæt. Du arbejder med populære biblioteker som scikit-learn, pandas og matplotlib. Kurset forudsætter grundlæggende programmeringserfaring og matematik på universitetsniveau.
Deltagere kommer typisk fra tech-virksomheder, finanssektoren, healthcare, konsulentfirmaer og forskningsinstitutioner. Netværksmulighederne er uvurderlige for fremtidig karriereudvikling og samarbejde.
Kurset holdes på DTU's campus i Lyngby med adgang til state-of-the-art facilities og computer labs. Alle materialer, software og datasæt leveres.
Efter gennemførsel har deltagerne kompetencer til at designe, implementere og evaluere machine learning modeller til reelle forretningsproblemer og kan fungere som ML-specialister i deres organisationer.
Kategorier
Tags
Uddannelsesinfo
- Udbyder
- DTU Learn for Life
- Type
- Efteruddannelse
- Sprog
- Engelsk
- Næste startdato
- 15. marts 2025