Plan Szkolenia

Wprowadzenie

  • Przegląd funkcji i zalet Random Forest
  • Zrozumienie drzew decyzyjnych i metod zespołowych

Pierwsze kroki

  • Konfigurowanie bibliotek (Numpy, Pandas, Matplotlib itp.)
  • Klasyfikacja i regresja w Random Forest
  • Przypadki użycia i przykłady

Wdrażanie Random Forest

  • Przygotowanie zestawów danych do szkolenia
  • Trenowanie modelu uczenia maszynowego
  • Ocena i poprawa dokładności

Dostrajanie hiperparametrów w Random Forest

  • Przeprowadzanie walidacji krzyżowej
  • Wyszukiwanie losowe i wyszukiwanie siatkowe
  • Wizualizacja wydajności modelu szkoleniowego
  • Optymalizacja hiperparametrów

Najlepsze praktyki i wskazówki dotyczące rozwiązywania problemów

Podsumowanie i kolejne kroki

Wymagania

  • Zrozumienie koncepcji uczenia maszynowego
  • Python doświadczenie w programowaniu

Uczestnicy

  • Naukowcy zajmujący się danymi
  • Inżynierowie oprogramowania
 14 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie