Concepts of Data Analytics and AI (I0P16B)

Katholieke Universiteit Leuven (KU Leuven)

Hier vind je de beste samenvattingen om te slagen voor Concepts of Data Analytics and AI (I0P16B). Er zijn o.a. samenvattingen, aantekeningen en oefenvragen beschikbaar.

Alle 4 resultaten

Sorteer op:

Overview Clustering & AI Methods | KU Leuven | 2025/26
  • Samenvatting

    Overview Clustering & AI Methods | KU Leuven | 2025/26

  • Deze studieaantekeningen behandelen voor- en nadelen van clusteringmethodes uit het vak Concepts of Data Analytics and AI aan KU Leuven. De inhoud omvat hard clustering, hierarchical clustering, partitioning clustering (K-means, K-means++, K-mode, K-prototype), HDBSCAN, en geavanceerde evaluatiemethodes zoals persistent homology en topologische analyse. Dit document is uitermate bruikbaar voor examenvoorbereiding en projectwerk, omdat het praktische richtlijnen geeft over wanneer elke methode to...
  • goeleclysters
    €5,99 Meer Info
Samenvatting Data & AI (pt2) | Regression & Classification | KU Leuven | 2025/26
  • Samenvatting

    Samenvatting Data & AI (pt2) | Regression & Classification | KU Leuven | 2025/26

  • Deze studienotities behandelen het tweede deel van Concepts of Data Analytics and AI aan KU Leuven, met focus op regression en classification technieken. De aantekeningen dekken simple en multiple linear regression, dummy variabelen, nonlineaire relaties, heteroscedasticity, multicollineariteit, logistic regression, en deep learning toepassingen (CNN, RNN). Ideaal voor examenvoorbereiding - alle kernconcepten zijn duidelijk uitgelegd met praktische voorbeelden zoals residuele analyse, VIF-bereke...
  • goeleclysters
    €12,99 Meer Info
Samenvatting Data Analytics & AI (pt1) | Clustering & Dimensionality Reduction | KU Leuven | 2025/26
  • Samenvatting

    Samenvatting Data Analytics & AI (pt1) | Clustering & Dimensionality Reduction | KU Leuven | 2025/26

  • Deze collegeaantekeningen behandelen de eerste module van Concepts of Data Analytics and AI aan KU Leuven, met focus op clustering- en dimensionality reduction-methodes. De stof omvat hard clustering (hierarchical, k-means, HDBSCAN), soft clustering (fuzzy c-means, GMM), en geavanceerde technieken zoals topological data analysis, SVD en Multi-MST. Uitstekend voor examenvoorbereiding omdat alle algoritmes, parameters en vergelijkingen duidelijk zijn uitgelegd met verwijzingen naar de diapresentat...
  • goeleclysters
    €7,99 Meer Info
Terwijl je dit leest heeft een medestudent weer €4,35 verdiend
Hoe heeft hij dat gedaan? Door zijn notities te verkopen op Stuvia. Probeer het zelf eens!