In deze training ga je aan de slag met de basisprincipes van machine en deep learning algoritmen. Je begint met het leren over verschillende soorten machine learning algoritmen, zoals regressie, classificatie en clustering, evenals hun specifieke toepassingen. Vervolgens ga je kijken naar het proces dat betrokken is bij het leren van relaties tussen input en output, tijdens de trainingsfase van machine learning. Vervolgens ga je aan de slag met een inleiding tot regressie en hoe deze werkt. Daarnaast kijk je naar de kenmerken van regressie, zoals eenvoud en veelzijdigheid, die hebben geleid tot wijdverbreide toepassing van deze techniek op een aantal verschillende gebieden. Je gaat onderzoeken hoe je gegevens uit een CSV-bestand (comma-separated values) in een Pandas-gegevensframe laadt, en de gegevens voorbereidt voor het trainen van een classificatiemodel. Vervolgens leer je de scikit-learn-bibliotheek gebruiken om een LinearSVC-classificatiemodel te bouwen en te trainen en de prestaties ervan te evalueren met beschikbare modelevaluatiefuncties. Ten slotte leer je over de onevenwichtige leerbibliotheek die integreert met Pandas ML (machine learning). Dit biedt verschillende technieken om de onbalans in datasets die voor classificatie worden gebruikt, aan te pakken.