100% tevredenheidsgarantie Direct beschikbaar na je betaling Lees online óf als PDF Geen vaste maandelijkse kosten
logo-home
Eerder door jou gezocht
Eerder door jou gezocht
logo
Machine Learning - Summary €10,49
In winkelwagen
Snel navigeren naar
Voorbeeld
  2.  
  3. Universiteit Antwerpen (UA)
  4.  
  5. Handelsingenieur
  6.  
  7. Machine Learning

Samenvatting

Machine Learning - Summary

1 beoordeling
 9 keer verkocht
  • Vak
  • Machine Learning
  • Instelling
  • Universiteit Antwerpen (UA)
  • Boek
  • Data Science for Business

A detailed summary of the lessons of Machine Learning taught by David Martens at the University of Antwerp. This is a summary of my own notes, the slides and the book Data Science for Business.

Voorbeeld 4 van de 64  pagina's

Document informatie

  • Nee
  • Chapter 1-10, 12
  • 2 januari 2024
  • 64
  • 2023/2024
  • Samenvatting

Onderwerpen

  • machine learning
  • data science for business
  • predictive modeling
  • presriptive modeling
  • classifiers

Gekoppeld boek

book image

Titel boek:

Auteur(s):

  • Uitgave:
  • ISBN:
  • Druk:

Meer samenvattingen voor studieboek

  • Machine Learning (Data Mining) - Samenvatting (slides en handboek)
  • Business Intelligence Samenvatting (HW Ugent) - (19/20!! EXAMEN)
  • Full Summary of Chapters and Lecture Slides Data Science for Business
Alles voor dit studieboek (30)

Geschreven voor

  • Universiteit Antwerpen (UA)
  • Handelsingenieur
  • Machine Learning
Alle documenten voor dit vak (1)

1  beoordeling

review-writer-avatar

Door: woutdecanck • 2 maanden geleden

Zeer slechte samenvatting. Zeer onduidelijk

reply-writer-avatar

Door: thijshanssen • 2 maanden geleden

Jammer dit te horen. Dit is ook de eerste klacht die ik heb gekregen. Kan ik ergens met helpen om iets te verduidelijken?

Verkoper

avatar-seller
thijshanssen

Ontvangen beoordelingen

Voorbeeld van de inhoud

MACHINE LEARNING
SUMMARY

1. Introduction 2
2. Predictive modeling 4
2.1. Explaining versus predicting 4
2.2. Data preprocessing 5
2.3. Terminology 8
2.4. Finding informative variables from the data 10
2.5. Decision trees 11
2.6. Mathematical models 14
2.6.4. Logistic regression 14
2.6.2. Support vector machines (SVM) 15
2.7. Overfitting and its avoidance 18
3. Assessing model performance 22
3.1. Evaluating classifiers 22
3.2. Expected value 23
3.3. Evaluation and baseline performance 24
4. Visualizing model performance 26
4.1. Profit curves 26
4.2. ROC curve 27
4.3. Cumulative response and lift curves 28
5. Naive Bayes 32
5.1. Bayes 32
5.2. A model of evidence lift 34
6. Descriptive modeling 36
6.1. Nearest-neighbor 36
6.2. Clustering 38
6.3. Frequent itemsets and association rules 39
6.4. Recommender systems 42
6.5. Conclusion and exercises 44
7. Ensemble methods and artificial neural networks 46
7.1. Ensemble methods 46
7.2. Artificial neural networks 48
7.3. Deep learning 51
8. Text mining 52
8.1. Why text mining? 52
8.2. Text processing 52
8.3. Document Classification and clustering 55
8.4. Topic modeling and word embeddings 56

, 8.5. Case study in politics 57
9. Data science ethics 60
9.1. Data gathering: privacy, A/B testing and bias 61
9.2. Data preprocessing: proxies, government backdoors 61
9.3. Modeling: ZK proofs, discrimination 62
9.4. Model evaluation: explain 62




1

,1. Introduction
Data science = set of fundamental principles that guide extraction of knowledge from data
Data mining = the extractionproces of knowledge from data
AI = methods for improving knowledge of an agent over time due to experience
Generative AI: generates texts, making predictions based on prompt and previous word

ML = auto extraction of patterns from large amounts of data
Ex; Wal-Mart learned what products get sold more before hurricanes
Ex; recommendation system → “frequently bought together”
Ex: market basket analysis → give coupon for milk if bread and butter bought together

Goal: find non-obvious patterns ⇒ improve decision making (data driven decision making, DDD)

Ex; Credit scoring




→ target variable labels needed for algo to make distinctions
⇒ based on data (data mining): classification model ⇒ used for predictions




End-user is engine of discovery
- You know what you look for
- Querying = request for a subset of data or for statistics ex; average, graphs, …
- Tools: SQL (Structured Query Language) + GUI (Graphical User Interface)
- OLAP (One-Line Analytical Processing) = advanced query and reporting
Business intelligence = getting the right info to the right person at the right time


2

, End-user isn’t engine of discovery
- You don’t know what you look for ⇒ new knowledge
- Computer finding patterns → ML

AI
● A computer interacts through data
● Learning from data ⇒ intelligence
● Big data + ML = AI
● Mainly used for predictions ex; fb likes ⇒ political preference

CRISP-DM (Cross Industry Standard Process for Machine Learning)


DDD: has proven value ⇒ automated decisions

Data science roles
● Computer science: python, database creation, …
● Domain knowledge
● Communication skills

Data + ability extract knowledge = key strategic assets
Ex; Value facebook stems from data
Ex; Income Robinhood: selling training data to hedge funds

Big data = datasets that are too large for traditional data processing systems
Data warehouse: collect and combine data from across an enterprise

Fundamental concepts of data science
● CRISP-DM
● Find informative descriptive attributes of entities of interest based on large mass of data
using information tech
○ Finding variables that correlate with target
○ Recursively: predict target based on attributes
● Overfitting: finding patterns that don’t generalize
● Formulating solutions and evaluating relies on context of usage




3

Dit zijn jouw voordelen als je samenvattingen koopt bij Stuvia:

Bewezen kwaliteit door reviews

Bewezen kwaliteit door reviews

Studenten hebben al meer dan 850.000 samenvattingen beoordeeld. Zo weet jij zeker dat je de beste keuze maakt!

In een paar klikken geregeld

In een paar klikken geregeld

Geen gedoe — betaal gewoon eenmalig met iDeal, creditcard of je Stuvia-tegoed en je bent klaar. Geen abonnement nodig.

Direct to-the-point

Direct to-the-point

Studenten maken samenvattingen voor studenten. Dat betekent: actuele inhoud waar jij écht wat aan hebt. Geen overbodige details!

Veelgestelde vragen

Wat krijg ik als ik dit document koop?

Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.

Tevredenheidsgarantie: hoe werkt dat?

Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.

Van wie koop ik deze samenvatting?

Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper thijshanssen. Stuvia faciliteert de betaling aan de verkoper.

Zit ik meteen vast aan een abonnement?

Nee, je koopt alleen deze samenvatting voor €10,49. Je zit daarna nergens aan vast.

Is Stuvia te vertrouwen?

4,6 sterren op Google & Trustpilot (+1000 reviews)

Afgelopen 30 dagen zijn er 68175 samenvattingen verkocht

Opgericht in 2010, al 15 jaar dé plek om samenvattingen te kopen

Begin nu gratis
€10,49  9x  verkocht
  • (1)
In winkelwagen
Toegevoegd