Introductie

Korte omschrijving¶

Deze module behandelt de minimale Python-kennis die je nodig hebt om met machine learning (ML) toepassingen aan de slag te gaan.

Je leert werken met de centrale bibliotheken in het Python ML-ecosysteem:

• NumPy voor efficiënte numerieke berekeningen op arrays

• Pandas voor het inladen, opkuisen en bewerken van tabellaire datasets

• Matplotlib, Seaborn en Plotly voor het visualiseren van data

• Exploratieve data-analyse (EDA) — de eerste en onmisbare stap van elk ML-project

• Scikit-learn voor preprocessing, transformatiepipelines en de uniforme ML-API

• PyTorch voor tensorberekeningen en automatisch differentiëren

Leerdoelen¶

Na het doorlopen van dit module kan je:

• Python-programma’s schrijven met functies, klassen, comprehensions en lambda’s

• Type hints toevoegen aan variabelen, functies en klassen en de moderne |-syntax gebruiken voor Union en Optional

• Numerieke berekeningen uitvoeren op multidimensionale arrays met NumPy

• Datasets inladen, opschonen, filteren, groeperen en samenvoegen met Pandas

• Distributies, correlaties en ontbrekende waarden visualiseren met Matplotlib, Seaborn en Plotly

• Een zelfstandige exploratieve data-analyse uitvoeren op een nieuwe dataset en er betekenisvolle inzichten uit halen

• De Estimator- en Transformer-API van scikit-learn toepassen voor preprocessing en transformatiepipelines

• Tensors aanmaken en manipuleren in PyTorch en de overeenkomsten en verschillen met NumPy benoemen

Vereiste voorkennis¶

Basiskennis Python op het niveau van een eerste programmacursus: variabelen, datatypes, loops en functies.
Geen voorkennis van NumPy, Pandas of data-analyse vereist.

Leerinhoud¶