ML-For-Beginners/translations/nl

🌐 Meertalige Ondersteuning

Ondersteund via GitHub Action (Geautomatiseerd & Altijd Up-to-Date)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinees (Vereenvoudigd) | Chinees (Traditioneel, Hong Kong) | Chinees (Traditioneel, Macau) | Chinees (Traditioneel, Taiwan) | Kroatisch | Tsjechisch | Deens | Nederlands | Ests | Fins | Frans | Duits | Grieks | Hebreeuws | Hindi | Hongaars | Indonesisch | Italiaans | Japans | Kannada | Koreaans | Litouws | Maleis | Malayalam | Marathi | Nepalees | Nigeriaans Pidgin | Noors | Perzisch (Farsi) | Pools | Portugees (Brazilië) | Portugees (Portugal) | Punjabi (Gurmukhi) | Roemeens | Russisch | Servisch (Cyrillisch) | Slowaaks | Sloveens | Spaans | Swahili | Zweeds | Tagalog (Filipijns) | Tamil | Telugu | Thai | Turks | Oekraïens | Urdu | Vietnamees

Lieber lokaal klonen?

Deze repository bevat vertalingen in meer dan 50 talen, wat de downloadgrootte aanzienlijk vergroot. Om zonder vertalingen te klonen, gebruik sparse checkout:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

Dit geeft je alles wat je nodig hebt om de cursus te voltooien met een veel snellere download.

Word Lid van Onze Community

We hebben een doorlopende Discord 'learn with AI' serie, leer er meer over en doe mee op Learn with AI Series van 18 - 30 september 2025. Je krijgt tips en trucs voor het gebruik van GitHub Copilot voor Data Science.

Machine Learning voor Beginners - Een Curriculum

🌍 Reis de wereld rond terwijl we Machine Learning verkennen via wereldculturen 🌍

Cloud Advocates bij Microsoft bieden graag een 12-weeks, 26-lessen curriculum aan dat volledig over Machine Learning gaat. In dit curriculum leer je over wat soms klassieke machine learning wordt genoemd, waarbij voornamelijk Scikit-learn wordt gebruikt als bibliotheek en deep learning wordt vermeden, dat behandeld wordt in ons AI voor Beginners' curriculum. Koppel deze lessen ook aan ons 'Data Science voor Beginners' curriculum!

Reis met ons mee over de wereld terwijl we deze klassieke technieken toepassen op data uit vele werelddelen. Elke les bevat pre- en post-les quizzes, geschreven instructies om de les te voltooien, een oplossing, een opdracht en meer. Onze projectgebaseerde pedagogiek stelt je in staat te leren terwijl je bouwt, een bewezen manier om nieuwe vaardigheden goed te beklijven.

✍️ Hartelijke dank aan onze auteurs Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu en Amy Boyd

🎨 Ook dank aan onze illustratoren Tomomi Imura, Dasani Madipalli, en Jen Looper

🙏 Speciale dank 🙏 aan onze Microsoft Student Ambassador auteurs, reviewers en inhoudsbijdragers, met name Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, en Snigdha Agarwal

🤩 Extra dank aan Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi en Vidushi Gupta voor onze R-lessen!

Aan de slag

Volg deze stappen:

1. Fork de Repository: Klik op de knop "Fork" rechtsboven op deze pagina.
2. Clone de Repository: git clone https://github.com/microsoft/ML-For-Beginners.git

vind alle aanvullende bronnen voor deze cursus in onze Microsoft Learn collectie

🔧 Heb je hulp nodig? Raadpleeg onze Probleemoplossingsgids voor oplossingen van veelvoorkomende installatie-, setup- en lesuitvoeringsproblemen.

Studenten, om dit curriculum te gebruiken, fork de hele repo naar je eigen GitHub-account en voltooi de oefeningen alleen of met een groep:

• Begin met een pre-college quiz.
• Lees de les en voltooi de activiteiten, pauzeer en reflecteer bij elke kenniscontrole.
• Probeer de projecten te maken door de lessen te begrijpen in plaats van simpelweg de oplossing te draaien; die code is echter beschikbaar in de /solution mappen bij elke projectgerichte les.
• Maak de post-college quiz.
• Voltooi de challenge.
• Voltooi de opdracht.
• Na het voltooien van een lesgroep, bezoek het Discussiebord en "leer hardop" door het invullen van de bijbehorende PAT-rubric. Een 'PAT' is een Progress Assessment Tool, een rubric die je invult om je leren verder te brengen. Je kunt ook reageren op andere PAT's zodat we samen kunnen leren.

Voor verdere studie raden we aan deze Microsoft Learn modules en leerpaden te volgen.

Docenten, we hebben enkele suggesties opgenomen over hoe je dit curriculum kunt gebruiken.

---

Video walkthroughs

Sommige lessen zijn beschikbaar als korte video's. Je vindt deze inline in de lessen, of op de ML voor Beginners afspeellijst op het Microsoft Developer YouTube-kanaal door op de afbeelding hieronder te klikken.

---

Maak kennis met het Team

Gif door Mohit Jaisal

🎥 Klik op de afbeelding hierboven voor een video over het project en de mensen die het gemaakt hebben!

---

Pedagogiek

We hebben gekozen voor twee pedagogische principes bij het bouwen van dit curriculum: zorgen dat het hands-on project-gebaseerd is en dat het frequente quizzes bevat. Daarnaast heeft dit curriculum een gemeenschappelijk thema voor samenhang.

Door ervoor te zorgen dat de inhoud aansluit op projecten, wordt het proces boeiender voor studenten en wordt het vasthouden van concepten versterkt. Daarnaast stelt een quiz met lage inzet vóór de les de intentie van de student om een onderwerp te leren, terwijl een tweede quiz na de les verdere retentie waarborgt. Dit curriculum is ontworpen om flexibel en leuk te zijn en kan geheel of gedeeltelijk worden gevolgd. De projecten beginnen klein en worden steeds complexer aan het eind van de 12 weken cyclus. Dit curriculum bevat ook een nageschrift over toepassingen van ML in de echte wereld, dat kan worden gebruikt als extra opdracht of als basis voor discussie.

Vind onze Gedragscode, Bijdragen, Vertalingen en Probleemoplossing richtlijnen. We verwelkomen je opbouwende feedback!

Elke les bevat

• optioneel sketchnote
• optionele aanvullende video
• video walkthrough (sommige lessen)
• pre-les warm-up quiz
• geschreven les
• voor project-gebaseerde lessen, stapsgewijze gidsen over hoe je het project opzet
• kenniscontroles
• een uitdaging
• aanvullende literatuur
• opdracht
• post-les quiz

Een opmerking over talen: Deze lessen zijn hoofdzakelijk geschreven in Python, maar vele zijn ook beschikbaar in R. Om een R-les te voltooien, ga naar de /solution map en zoek bij R-lessen. Ze bevatten een .rmd extensie, wat staat voor een R Markdown bestand dat simpelweg kan worden gedefinieerd als een combinatie van codeblokken (van R of andere talen) en een YAML-kop (die aanstuurt hoe outputformaten, zoals PDF, opgemaakt worden) in een Markdown-document. Als zodanig dient het als een uitstekend auteur-framework voor datawetenschap omdat je zo je code, de output en je gedachten kunt combineren door ze in Markdown op te schrijven. Bovendien kunnen R Markdown documenten worden gerenderd naar outputformaten zoals PDF, HTML of Word. Een opmerking over quizzes: Alle quizzes staan in de Quiz App map, in totaal 52 quizzes van elk drie vragen. Ze worden vanuit de lessen gekoppeld, maar de quizapp kan lokaal worden uitgevoerd; volg de instructies in de quiz-app map om lokaal te hosten of te implementeren naar Azure.

Lesnummer	Onderwerp	Les Groepering	Leerdoelen	Gekoppelde Les	Auteur
01	Introductie tot machine learning	Introductie	Leer de basisconcepten achter machine learning	Les	Muhammad
02	De geschiedenis van machine learning	Introductie	Leer de geschiedenis achter dit vakgebied	Les	Jen en Amy
03	Rechtvaardigheid en machine learning	Introductie	Wat zijn belangrijke filosofische kwesties rondom rechtvaardigheid die studenten moeten overwegen bij het bouwen en toepassen van ML-modellen?	Les	Tomomi
04	Technieken voor machine learning	Introductie	Welke technieken gebruiken ML-onderzoekers om ML-modellen te bouwen?	Les	Chris en Jen
05	Introductie tot regressie	Regressie	Begin met Python en Scikit-learn voor regressiemodellen	Python • R	Jen • Eric Wanjau
06	Noord-Amerikaanse pompoenprijzen 🎃	Regressie	Visualiseer en reinig data ter voorbereiding op ML	Python • R	Jen • Eric Wanjau
07	Noord-Amerikaanse pompoenprijzen 🎃	Regressie	Bouw lineaire en polynomiale regressiemodellen	Python • R	Jen en Dmitry • Eric Wanjau
08	Noord-Amerikaanse pompoenprijzen 🎃	Regressie	Bouw een logistisch regressiemodel	Python • R	Jen • Eric Wanjau
09	Een Web App 🔌	Web App	Bouw een webapp om je getrainde model te gebruiken	Python	Jen
10	Introductie tot classificatie	Classificatie	Reinig, bereid voor en visualiseer je data; introductie tot classificatie	Python • R	Jen en Cassie • Eric Wanjau
11	Heerlijke Aziatische en Indiase keukens 🍜	Classificatie	Introductie tot classifiers	Python • R	Jen en Cassie • Eric Wanjau
12	Heerlijke Aziatische en Indiase keukens 🍜	Classificatie	Meer classifiers	Python • R	Jen en Cassie • Eric Wanjau
13	Heerlijke Aziatische en Indiase keukens 🍜	Classificatie	Bouw een aanbevelings-webapp met je model	Python	Jen
14	Introductie tot clustering	Clustering	Reinig, bereid voor en visualiseer je data; introductie tot clustering	Python • R	Jen • Eric Wanjau
15	Verkennen van Nigeriaanse muzikale smaken 🎧	Clustering	Verken de K-Means clusteringmethode	Python • R	Jen • Eric Wanjau
16	Introductie tot natuurlijke taalverwerking ☕️	Natuurlijke taalverwerking	Leer de basis van NLP door een eenvoudige bot te bouwen	Python	Stephen
17	Veelvoorkomende NLP taken ☕️	Natuurlijke taalverwerking	Verdiep je NLP-kennis door veelvoorkomende taken te leren die bij taalstructuren horen	Python	Stephen
18	Vertaling en sentimentanalyse ♥️	Natuurlijke taalverwerking	Vertaling en sentimentanalyse met Jane Austen	Python	Stephen
19	Romantische hotels in Europa ♥️	Natuurlijke taalverwerking	Sentimentanalyse met hotelreviews 1	Python	Stephen
20	Romantische hotels in Europa ♥️	Natuurlijke taalverwerking	Sentimentanalyse met hotelreviews 2	Python	Stephen
21	Introductie tot tijdreeksvoorspelling	Tijdreeks	Introductie tot tijdreeksvoorspelling	Python	Francesca
22	⚡️ Wereld Energieverbruik ⚡️ - tijdreeksvoorspelling met ARIMA	Tijdreeks	Tijdreeksvoorspelling met ARIMA	Python	Francesca
23	⚡️ Wereld Energieverbruik ⚡️ - tijdreeksvoorspelling met SVR	Tijdreeks	Tijdreeksvoorspelling met Support Vector Regressor	Python	Anirban
24	Introductie tot reinforcement learning	Reinforcement learning	Introductie tot reinforcement learning met Q-Learning	Python	Dmitry
25	Help Peter de wolf vermijden! 🐺	Reinforcement learning	Reinforcement learning Gym	Python	Dmitry
Postscript	Echte ML scenario’s en toepassingen	ML in het Wild	Interessante en onthullende toepassingen van klassieke ML in de praktijk	Les	Team
Postscript	Model Debugging in ML met RAI-dashboard	ML in het Wild	Model-debugging in machine learning met Responsible AI-dashboardcomponenten	Les	Ruth Yakubu

vind alle aanvullende bronnen voor deze cursus in onze Microsoft Learn collectie

Offline toegang

Je kunt deze documentatie offline gebruiken met Docsify. Fork deze repo, installeer Docsify op je eigen machine, en typ dan in de hoofdmap van deze repo docsify serve. De website wordt dan bediend op poort 3000 op je localhost: localhost:3000.

PDF’s

Vind een pdf van het curriculum met links hier.

🎒 Andere Cursussen

Ons team maakt ook andere cursussen! Bekijk:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

Kernleren

---

Copilot Serie

Hulp Krijgen

Als je vastloopt of vragen hebt over het bouwen van AI-apps. Doe mee met medeleerlingen en ervaren ontwikkelaars in discussies over MCP. Het is een ondersteunende gemeenschap waar vragen welkom zijn en kennis vrij wordt gedeeld.

Als je productfeedback hebt of fouten tegenkomt tijdens het bouwen bezoek:

---

Disclaimer:
Dit document is vertaald met behulp van de AI-vertalingsservice Co-op Translator. Hoewel we streven naar nauwkeurigheid, kan automatische vertaling fouten of onnauwkeurigheden bevatten. Het oorspronkelijke document in de oorspronkelijke taal dient als gezaghebbende bron te worden beschouwd. Voor cruciale informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor enige misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling.