Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Programa del Curso
Introducción
- Resumen de Random Forest características y ventajas
- Comprensión de los árboles de decisión y los métodos de ensamble
Empezar
- Configuración de las bibliotecas (Numpy, Pandas, Matplotlib, etcétera.)
- Clasificación y regresión en Random Forests
- Casos de uso y ejemplos
Implementación Random Forest
- Preparación de conjuntos de datos para el entrenamiento
- Entrenamiento del modelo de aprendizaje automático
- Evaluación y mejora de la precisión
Ajuste de los hiperparámetros en Random Forest
- Realización de validaciones cruzadas
- Búsqueda aleatoria y búsqueda en cuadrícula
- Visualización del rendimiento del modelo de entrenamiento
- Optimización de hiperparámetros
Prácticas recomendadas y consejos para la solución de problemas
Resumen y próximos pasos
Requerimientos
- Comprensión de los conceptos de aprendizaje automático
- Python Experiencia en programación
Audiencia
- Científicos de datos
- Ingenieros de software
14 Horas