Deep learning zit achter veel van de patroonherkenning en voorspellingen waarmee organisaties datagedreven beslissingen nemen. Tijdens deze training bouw je die modellen zelf. Je start met het verschil tussen machine learning en deep learning en de rol van neurale netwerken, en gaat daarna hands-on aan de slag met Keras en TensorFlow. Je bouwt een eerste model, van datapreprocessing tot training, validatie en evaluatie, en leert het te optimaliseren met batch normalisatie, dropout, regularisatie en hyperparameter-tuning.

Vervolgens verbreed je je blik. Je vergelijkt shallow learning met deep learning op gestructureerde data, verdiept je in reinforcement learning en bouwt een Deep Q Network dat een agent traint in OpenAI Gym. Daarna maak je kennis met PyTorch en met FastAI, dat als aanvullend framework voortbouwt op PyTorch. Daarnaast kijk je naar de actuele verhouding tussen TensorFlow en PyTorch en naar recente ontwikkelingen zoals transformer-architecturen en generatieve AI. De training sluit af met een businesscase waarin je een compleet model bouwt en optimaliseert.

Onze trainers zijn, naast trainer, dagelijks werkzaam op dit expertisegebied. Waar gewenst en mogelijk laten we de voorbeelden aansluiten bij de vraagstukken uit jouw werkpraktijk. Hierdoor ben je in staat om na afloop zelf deep learning-modellen te ontwikkelen, te trainen en in te zetten binnen een zakelijke context.

Deze training als bedrijfstraining voor jou en je team?

Elk vraagstuk en elke situatie is anders; daarom staan tijdens een bedrijfstraining jouw organisatie en (bedrijfs)vraagstukken centraal. In goed overleg stellen we een lesprogramma samen dat volledig aansluit bij jouw (jullie!) specifieke uitdaging, wensen en dagelijkse werkpraktijk.

Doelen

Na deze training ben je in staat om:

• Neurale netwerken te bouwen, te trainen en te evalueren met Keras en TensorFlow
• Modellen te optimaliseren met batch normalisatie, dropout, regularisatie en hyperparameter-tuning
• Pre-trained modellen in te zetten en te fine-tunen met transfer learning
• Een Deep Q Network te bouwen en een agent te trainen met reinforcement learning
• Een eigen deep learning-model te ontwikkelen en te optimaliseren binnen een zakelijke context

Tijdens de training Python Deep Learning met businesscase komen onderstaande onderwerpen aan bod.

NB: Afhankelijk van snelle ontwikkelingen op dit expertisegebied, kan de werkelijke trainingsinhoud hier van afwijken. Bel ons gerust voor meer informatie over de actuele inhoud.

• Introductie deep learning in Python
• Het verschil tussen machine learning en deep learning doorgronden
• De rol van neurale netwerken bij het herkennen van complexe patronen begrijpen
• Kennismaken met de belangrijkste libraries: TensorFlow, Keras, NumPy, pandas en Matplotlib
• Bepalen welk type vraagstuk zich leent voor deep learning
• Neurale netwerken bouwen met Keras en TensorFlow
• De rol van TensorFlow in het AI-ecosysteem en Keras als high-level API doorgronden
• Een eerste neuraal netwerk opbouwen met Keras
• Data preprocessen en input pipelines opzetten in TensorFlow
• Een model trainen, valideren en evalueren
• Multi-layer perceptrons bouwen en activeringsfuncties als ReLU en softmax toepassen
• Modellen optimaliseren en transfer learning
• Doorgronden hoe gradient descent en backpropagation een model trainen
• Overfitting en underfitting herkennen en tegengaan
• Batch normalisatie, dropout en regularisatie toepassen
• Hyperparameters afstemmen: learning rate, epochs en batch size
• Pre-trained modellen als VGG en ResNet inzetten en fine-tunen voor een nieuwe taak
• Shallow learning versus deep learning
• Klassieke technieken vergelijken: lineaire regressie, decision trees en SVM's
• Herkennen wanneer shallow modellen op gestructureerde data beter presteren
• De sterke en zwakke punten van beide benaderingen tegen elkaar afwegen
• Lineaire regressie implementeren en de prestaties op gestructureerde data vergelijken
• Reinforcement learning en Q-learning
• Doorgronden hoe een agent leert van interactie met zijn omgeving via beloningen
• Het Q-learning-algoritme begrijpen aan de hand van Q-waarden en de Bellman-vergelijking
• Het verschil tussen off-policy en on-policy learning benoemen
• Een Deep Q Network bouwen
• Een agent trainen in een gesimuleerde omgeving zoals OpenAI Gym
• Kennismaken met PyTorch en FastAI
• De werking van PyTorch verkennen: tensors, autograd en dynamische computationele grafieken
• Een neuraal netwerk bouwen en trainen in PyTorch
• FastAI leren kennen als aanvullend framework dat voortbouwt op PyTorch
• Een image classifier bouwen met FastAI en de automatische learning rate finder
• De actuele verhouding tussen TensorFlow en PyTorch afwegen: PyTorch sterk in research en generatieve AI, TensorFlow sterk in productie
• Businesscase en model in productie
• Een deep learning-model bouwen en optimaliseren voor een realistische toepassing
• Deep learning inzetten voor voorspellende analyses, beeldherkenning en automatisering
• Herkennen wat er komt kijken bij het in productie brengen van een model
• Modellen optimaliseren op efficiëntie en schaalbaarheid in de cloud

Aanpak

De training is praktisch en interactief van opzet, met veel ruimte voor jouw vragen en werksituatie. Je gaat aan de slag met passende praktijkvoorbeelden. Door actief te oefenen, te analyseren en te evalueren, maak je je de materie stap voor stap eigen en ervaar je hoe je neurale netwerken bouwt, traint en optimaliseert.

Onze trainers zijn, naast trainer, dagelijks werkzaam op dit expertisegebied. Ze beschikken dus niet alleen over de meest actuele kennis, maar hebben ook essentiële praktijkervaring. Hierdoor zijn ze in staat om een waardevolle vertaalslag te maken van ‘kennis’ naar ‘toepassing binnen jouw organisatie en werksituatie’.

Doelgroep

Deze training is bedoeld voor iedereen die met Python zelf deep learning-modellen wil kunnen bouwen, trainen en optimaliseren voor zakelijke toepassingen.

Voorkennis

Ervaring met programmeren in Python is vereist en een basiskennis van machine learning is een pré. Mocht je hier vragen over hebben, neem dan gerust contact met ons op.

Benodigdheden

Om het meeste uit jouw training te halen verzoeken we je vriendelijk een eigen laptop mee te nemen om eventueel direct aan de slag te kunnen gaan. Verdere benodigdheden worden, indien van toepassing, in voorbereiding op de training met je besproken.

Vervolgstappen

Binnen dit expertisegebied beschikken wij over ruime kennis en praktijkervaring. Zoek je meer diepgang of een (compleet) andere insteek? Neem dan gerust contact met ons op voor een vrijblijvende verkenning. We denken graag met je mee!

Er zijn verschillende vervolgtrainingen, die aansluiten op specifieke onderwerpen, toepassingen en werkcontexten.

Wil je je verder verdiepen in deep learning en neurale netwerken, dan sluiten deze trainingen aan:

• Tensorflow Machine Learning
• Keras
• Introductie neurale netwerken en Deep Learning

Wil je deep learning-modellen in productie nemen en breder toepassen, dan zijn deze trainingen interessant:

• Werken met Large Language Models in Python
• AI agents in Python
• Streamlit

Kies uit 5 locatie(s) in België. Ook beschikbaar in Utrecht en Apeldoorn.

Bedrijfstraining

Met een bedrijfstraining kies je voor een training die helemaal aansluit bij de specifieke wensen, behoefte en dagelijkse praktijk van jouw bedrijf of organisatie. Je kunt in je eentje deelnemen aan deze maatwerktraining, maar ook met één of meerdere collega’s. Een bedrijfstraining vindt plaats waar je maar wilt: op locatie bij jouw bedrijf of organisatie, ergens in het land of op onze mooie trainingslocatie op de Veluwe in Apeldoorn. Bel ons gerust voor advies; we denken graag met je mee. Wil je een vrijblijvend voorstel ontvangen? Vraag er dan online een aan.

Privétraining

De essentie van een privétraining is, dat de trainer volledig tot jouw beschikking staat. Je kunt daarbij kiezen voor een algemeen programma (zie hiervoor onze trainingomschrijvingen), maar het is ook mogelijk om de training helemaal te laten aansluiten bij jouw specifieke wensen, behoefte en dagelijkse praktijk. Bij zo’n maatwerktraining wordt het programma helemaal afgestemd op jouw situatie, wensen en leerbehoefte. Hierdoor mag je rekenen op maximaal leerrendement. Bel ons gerust voor een (maatwerk)privétraining te bespreken; we denken graag met je mee. Wil je een vrijblijvend voorstel ontvangen? Vraag er dan online een aan.

Virtuele training

Wil je de door jou gewenste training liever virtueel (online) volgen? Dat kan via onze ‘remote classroom’. Het verschil met een face-to-face-training is dat de trainer de training op afstand voor je verzorgt. Je kunt daarbij kiezen voor het algemene programma (zie hiervoor onze trainingomschrijvingen), maar we kunnen de training ook aanpassen aan je specifieke wensen, behoefte en praktijksituatie. Je volgt je virtuele training in je eentje, met je collega’s of met mensen van andere bedrijven. Wil je weten wat we op dit gebied precies voor je kunnen betekenen? Bel ons gerust, we denken graag met je mee over de mogelijke oplossingen.

Klassikale training

Bij een klassikale training volg je een opleiding of training samen met een klas van medestudenten. Het voordeel van deze setting is, dat je kunt leren van andermans cases, tegen het laagst mogelijke tarief. De training vindt plaats op een externe locatie, ergens in het land of op onze mooie trainingslocatie in Apeldoorn (midden op de Veluwe). Heb je een vraag? Bel ons gerust; we helpen je graag verder. Je kunt je natuurlijk ook gelijk inschrijven.

Tarief

De kosten voor de Training Python Deep Learning met businesscase bedragen €3.499,00 (excl. €734,79 btw). (kmo subsidie mogelijk) Dit betreft het tarief voor deelname aan een klassikale training. Wil je liever een bedrijfstraining of privétraining? Bel ons dan of vraag online een voorstel aan.

Bij dit bedrag is alles inbegrepen, inclusief materialen en lunch (lunch inbegrepen indien de training dagvullend is).

Kmo-portefeuille voor ondernemers

De kmo-portefeuille is een maatregel waardoor je – als ondernemer – financiële steun krijgt voor de aankoop van diensten die de kwaliteit van je onderneming verbeteren. Concreet zijn dat opleidingen en adviesdiensten zoals het opstellen van een communicatieplan voor je bedrijf. De kmo-portefeuille wil toegankelijk zijn voor zoveel mogelijk bedrijven. Daarom maken we het je eenvoudig om je aan te melden en subsidieverzoeken in te dienen.

Komt mijn kmo in aanmerking voor de subsidie?

De kmo-portefeuille is een subsidiemaatregel voor kmo’s en beoefenaars van vrije beroepen die in Vlaanderen zijn gevestigd.

Hoeveel subsidies kan ik krijgen?

Hoeveel steun je ontvangt, is afhankelijk van de grootte van je onderneming.

• Een kleine onderneming die investeert in opleiding en advies kan 30 procent steun genieten via de kmo-portefeuille. Je ontvangt maximaal 7.500 euro steun per jaar.
• Een middelgrote onderneming die investeert in opleiding en advies, kan 20 procent steun genieten via de kmo-portefeuille. Je krijgt maximaal 7.500 euro per jaar.

Voor welke activiteiten kan ik een kmo-portefeuille aanvragen?

Met de kmo-portefeuille investeer je in opleidingen en trainingen voor je personeel. Daarnaast krijg je subsidies voor het inwinnen van advies bij geregistreerde dienstverleners.

Subsidies aanvragen en ontvangen

Als je voor de eerste keer een subsidieaanvraag wil doen, moet je je onderneming eerst registreren.

Elke subsidieaanvraag gebeurt online nadat je een overeenkomst voor advies hebt afgesloten met je dienstverlener of een persoon die werkt binnen je onderneming hebt ingeschreven voor een opleiding. Elke subsidieaanvraag moet ten laatste 14 dagen na de startdatum van de prestaties zijn ingediend.

De gebruikershandleiding van de kmo-portefeuille helpt je om vlot een subsidieaanvraag in te dienen.

Subsidies stopzetten en terugbetaling

Je zet je subsidie-aanvraag stop wanneer je wil. Dat doe je via de website.

Opleidingssubsidie bij Eduvision

Eduvision is een geregistreerde dienstverlener en geaccrediteerd door het ministerie van de Vlaamse Gemeenschap in het kader van KMO-portefeuille (pijler: opleidingen - thema: digitalisering). Registratienummer: DV.O234955

Wil je de door jou gewenste training liever virtueel (online) volgen? Dat kan via onze ‘remote classroom’. Het verschil met een face-to-face-training is dat de trainer de training op afstand voor je verzorgt. Je kunt daarbij kiezen voor het algemene programma (zie hiervoor onze trainingomschrijvingen), maar we kunnen de training ook aanpassen aan je specifieke wensen, behoefte en praktijksituatie. Je volgt je virtuele training in je eentje, met je collega’s of met mensen van andere bedrijven. Wil je weten wat we op dit gebied precies voor je kunnen betekenen? Bel ons gerust, we denken graag met je mee over de mogelijke oplossingen.

Virtuele training: hoe werkt dat?

Bij een virtuele training kun je via een online verbinding op afstand interactief deelnemen aan de training. Dit wordt ook wel ‘remote classroom’ of ‘virtual classroom’ genoemd. Dit werkt net even anders, maar biedt je dezelfde kwaliteit en is net zo effectief als een face-to-face-training.

Dezelfde kwaliteit, net even anders

Uitgangspunt bij een virtuele training is, dat er net zoveel kennis en vaardigheden worden overgedragen als bij een face-to-face-training. Bovendien dient het elk gewenst niveau van interactiviteit te faciliteren. Daarom werken we vanuit Eduvision met diverse systemen (o.a. dat van onze opdrachtgever), die deze doelstelling breed ondersteunen (waaronder Microsoft Teams of Zoom). Als cursist kun je gratis en eenvoudig inloggen, via een app of via het web.

De verschillende systemen bieden o.a. de volgende mogelijkheden:

• De training volgen met meerdere deelnemers, die je afhankelijk van of ze een camera hebben al dan niet kunt zien.
• Als deelnemers een microfoon hebben, kunnen ze ook met de trainer praten. De trainer kan aangeven en technisch faciliteren wie er kan praten. Deelnemers kunnen virtueel aangeven dat ze wat willen zeggen; de trainer kan hen vervolgens het woord geven.
• Deelnemers kunnen meekijken met de trainer en de trainer kan switchen tussen verschillende schermen die hij wil laten zien.
• Als de deelnemer daar toestemming voor geeft, kan de trainer meekijken op het scherm van de deelnemer (of zelfs het scherm overnemen).
• Er is vaak een chatfunctie, waarmee vragen of opmerkingen voor iedereen zichtbaar worden op het scherm.
• Er is soms een opnamefunctie (de trainer bepaalt - rekening houdend met ieders privacy - of die aan- of uitgezet wordt), waardoor je later (een deel van) de training kunt terugkijken.
• Er kan gebruik gemaakt worden van een whiteboard.
• Er kunnen bestanden gedeeld worden.

NB: Het is handig als je als cursist beschikt over een microfoon of camera (het eerste meer dan het tweede), maar het is geen must; ook zonder kun je deelnemen aan de training. Wél is het zo dat met name een microfoon de interactiviteit bewerkstelligt. Mocht je geen camera of microfoon op de computer hebben, dan is het ook mogelijk om tegelijkertijd in te loggen met je telefoon, zodat je én duidelijk (lees: groot) beeld hebt én kunt beschikken over microfoon en/of camera.