ML-For-Beginners/translations/nl

🌐 Meertalige ondersteuning

Ondersteund via GitHub Action (Automatisch & Altijd Actueel)

Frans | Spaans | Duits | Russisch | Arabisch | Perzisch (Farsi) | Urdu | Chinees (Vereenvoudigd) | Chinees (Traditioneel, Macau) | Chinees (Traditioneel, Hong Kong) | Chinees (Traditioneel, Taiwan) | Japans | Koreaans | Hindi | Bengaals | Marathi | Nepalees | Punjabi (Gurmukhi) | Portugees (Portugal) | Portugees (Brazilië) | Italiaans | Pools | Turks | Grieks | Thais | Zweeds | Deens | Noors | Fins | Nederlands | Hebreeuws | Vietnamees | Indonesisch | Maleis | Tagalog (Filipino) | Swahili | Hongaars | Tsjechisch | Slowaaks | Roemeens | Bulgaars | Servisch (Cyrillisch) | Kroatisch | Sloveens | Oekraïens | Birmaans (Myanmar)

Word lid van onze community

We hebben een doorlopende Discord-serie over leren met AI. Leer meer en doe mee via Learn with AI Series van 18 - 30 september 2025. Je krijgt tips en trucs over 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 met plezier een 12-weekse, 26-lessen curriculum aan over Machine Learning. In dit curriculum leer je over wat soms klassieke machine learning wordt genoemd, voornamelijk met behulp van de Scikit-learn bibliotheek en zonder deep learning, wat wordt behandeld in ons AI for Beginners curriculum. Combineer deze lessen ook met ons 'Data Science for Beginners' curriculum!

Reis met ons mee rond de wereld terwijl we deze klassieke technieken toepassen op data uit verschillende delen van de wereld. Elke les bevat pre- en post-lesquizzen, geschreven instructies om de les te voltooien, een oplossing, een opdracht en meer. Onze projectgerichte aanpak stelt je in staat om te leren terwijl je bouwt, een bewezen manier om nieuwe vaardigheden te laten 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 "Fork"-knop 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

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-lesquiz.
• 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 de oplossingscode uit te voeren; die code is echter beschikbaar in de /solution mappen in elke projectgerichte les.
• Maak de post-lesquiz.
• Voltooi de uitdaging.
• Voltooi de opdracht.
• Na het voltooien van een lesgroep, bezoek het Discussiebord en "leer hardop" door de juiste PAT-rubric in te vullen. Een 'PAT' is een Progress Assessment Tool, een rubric die je invult om je leerproces te bevorderen. Je kunt ook reageren op andere PATs zodat we samen kunnen leren.

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

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

---

Video walkthroughs

Sommige lessen zijn beschikbaar als korte video's. Je kunt ze allemaal in de lessen vinden, of op de ML for Beginners playlist op het Microsoft Developer YouTube-kanaal door op de afbeelding hieronder te klikken.

---

Ontmoet het team

Gif door Mohit Jaisal

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

---

Pedagogiek

We hebben twee pedagogische principes gekozen bij het bouwen van dit curriculum: ervoor zorgen dat het hands-on projectgericht is en dat het frequente quizzen bevat. Daarnaast heeft dit curriculum een gemeenschappelijk thema om het samenhangend te maken.

Door ervoor te zorgen dat de inhoud aansluit bij projecten, wordt het proces boeiender voor studenten en wordt het begrip van concepten versterkt. Bovendien zet een quiz met lage inzet vóór een les de intentie van de student om een onderwerp te leren, terwijl een tweede quiz na de les zorgt voor verdere retentie. Dit curriculum is ontworpen om flexibel en leuk te zijn en kan in zijn geheel of gedeeltelijk worden gevolgd. De projecten beginnen klein en worden steeds complexer tegen het einde van de 12-weekse cyclus. Dit curriculum bevat ook een naschrift over toepassingen van ML in de echte wereld, dat kan worden gebruikt als extra krediet of als basis voor discussie.

Vind onze Code of Conduct, Contributing, en Translation richtlijnen. We verwelkomen je constructieve feedback!

Elke les bevat

• optionele sketchnote
• optionele aanvullende video
• video walkthrough (alleen sommige lessen)
• pre-les opwarmquiz
• geschreven les
• voor projectgerichte lessen, stapsgewijze gidsen over hoe het project te bouwen
• kenniscontroles
• een uitdaging
• aanvullende lectuur
• opdracht
• post-les quiz

Een opmerking over talen: Deze lessen zijn voornamelijk geschreven in Python, maar veel zijn ook beschikbaar in R. Om een R-les te voltooien, ga naar de /solution map en zoek naar R-lessen. Ze bevatten een .rmd extensie die een R Markdown bestand vertegenwoordigt, wat eenvoudig kan worden gedefinieerd als een combinatie van code chunks (van R of andere talen) en een YAML header (die aangeeft hoe outputs zoals PDF moeten worden geformatteerd) in een Markdown document. Als zodanig dient het als een voorbeeldig authoring framework voor data science, omdat het je in staat stelt je code, de output ervan en je gedachten te 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 quizzen: Alle quizzen zijn opgenomen in de Quiz App map, voor in totaal 52 quizzen van drie vragen elk. Ze zijn gelinkt vanuit de lessen, maar de quiz-app kan lokaal worden uitgevoerd; volg de instructies in de quiz-app map om lokaal te hosten of te implementeren op Azure.

Lesnummer	Onderwerp	Lesgroep	Leerdoelen	Gelinkte 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	Eerlijkheid en machine learning	Introductie	Wat zijn de belangrijke filosofische kwesties rondom eerlijkheid 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 maak gegevens schoon 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 webapp 🔌	Webapp	Bouw een webapp om je getrainde model te gebruiken	Python	Jen
10	Introductie tot classificatie	Classificatie	Maak je gegevens schoon, bereid ze voor en visualiseer ze; introductie tot classificatie	Python • R	Jen en Cassie • Eric Wanjau
11	Heerlijke Aziatische en Indiase gerechten 🍜	Classificatie	Introductie tot classifiers	Python • R	Jen en Cassie • Eric Wanjau
12	Heerlijke Aziatische en Indiase gerechten 🍜	Classificatie	Meer classifiers	Python • R	Jen en Cassie • Eric Wanjau
13	Heerlijke Aziatische en Indiase gerechten 🍜	Classificatie	Bouw een aanbevelingswebapp met je model	Python	Jen
14	Introductie tot clustering	Clustering	Maak je gegevens schoon, bereid ze voor en visualiseer ze; introductie tot clustering	Python • R	Jen • Eric Wanjau
15	Verkenning van Nigeriaanse muzieksmaken 🎧	Clustering	Verken de K-Means clustering methode	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 kennis van NLP door veelvoorkomende taken te begrijpen die nodig zijn bij het omgaan met taalstructuren	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 hotelbeoordelingen 1	Python	Stephen
20	Romantische hotels in Europa ♥️	Natuurlijke taalverwerking	Sentimentanalyse met hotelbeoordelingen 2	Python	Stephen
21	Introductie tot tijdreeksvoorspelling	Tijdreeks	Introductie tot tijdreeksvoorspelling	Python	Francesca
22	⚡️ Wereldwijde energieverbruik ⚡️ - tijdreeksvoorspelling met ARIMA	Tijdreeks	Tijdreeksvoorspelling met ARIMA	Python	Francesca
23	⚡️ Wereldwijde 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 te ontwijken! 🐺	Reinforcement learning	Reinforcement learning Gym	Python	Dmitry
Postscript	Real-world ML-scenario's en toepassingen	ML in de praktijk	Interessante en onthullende toepassingen van klassieke ML	Les	Team
Postscript	Modeldebugging in ML met RAI-dashboard	ML in de praktijk	Modeldebugging 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 lokale machine, en typ vervolgens in de hoofdmap van deze repo docsify serve. De website wordt geserveerd op poort 3000 op je localhost: localhost:3000.

PDF's

Vind een pdf van het curriculum met links hier.

🎒 Andere cursussen

Ons team produceert andere cursussen! Bekijk:

• Edge AI voor beginners
• AI Agents voor beginners
• Generatieve AI voor beginners
• Generatieve AI voor beginners .NET
• Generatieve AI met JavaScript
• Generatieve AI met Java
• AI voor beginners
• Data Science voor beginners
• ML voor beginners
• Cybersecurity voor beginners
• Webontwikkeling voor beginners
• IoT voor beginners
• XR-ontwikkeling voor beginners
• Mastering GitHub Copilot voor pair programming
• Mastering GitHub Copilot voor C#/.NET-ontwikkelaars
• Kies je eigen Copilot-avontuur

Hulp krijgen

Als je vastloopt of vragen hebt over het bouwen van AI-apps, sluit je aan bij:

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, dient u zich ervan bewust te zijn dat geautomatiseerde vertalingen fouten of onnauwkeurigheden kunnen bevatten. Het originele document in de oorspronkelijke taal moet worden beschouwd als de gezaghebbende bron. Voor cruciale informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling.