Programa do Curso
Introdução
- Visão geral das características e vantagens de Random Forest
- Compreensão das árvores de decisão e dos métodos de conjunto
Começar a trabalhar
- Configuração das bibliotecas (Numpy, Pandas, Matplotlib, etc.)
- Classificação e regressão em Random Forests
- Casos de utilização e exemplos
Implementação Random Forest
- Preparação de conjuntos de dados para treino
- Treinar o modelo de aprendizagem automática
- Avaliar e melhorar a exatidão
Afinação dos hiperparâmetros em Random Forest
- Realização de validações cruzadas
- Pesquisa aleatória e pesquisa em grelha
- Visualizar o desempenho do modelo de treino
- Otimização de hiperparâmetros
Melhores práticas e dicas de resolução de problemas
Resumo e próximas etapas
Requisitos
- Uma compreensão dos conceitos de aprendizagem automática
- Python experiência em programação
Público
- Cientistas de dados
- Engenheiros de software
Declaração de Clientes (4)
The details and the presentation style.
Cristian Mititean - Accenture Industrial SS
Curso - Azure Machine Learning (AML)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete
Jimena Esquivel - Zakład Usługowy Hakoman Andrzej Cybulski
Curso - Applied AI from Scratch in Python
Manter a informação curta e simples. Criar intuição e modelos visuais em torno dos conceitos (gráfico de árvore de decisão, equações lineares, cálculo manual de y_pred para provar como o modelo funciona).
Nicolae - DB Global Technology
Curso - Machine Learning
Machine Translated