Programa do Curso

Introdução

  • Visão geral das características e vantagens do Random Forest
  • Compreendendo árvores de decisão e métodos ensemble

Começando

  • Configurando as bibliotecas (Numpy, Pandas, Matplotlib, etc.)
  • Classificação e regressão em Random Forests
  • Casos de uso e exemplos

Implementando Random Forest

  • Preparando conjuntos de dados para treinamento
  • Treinando o modelo de aprendizado de máquina
  • Avaliando e melhorando a precisão

Ajustando os Hiperparâmetros no Random Forest

  • Realizando validações cruzadas
  • Busca aleatória e busca em grade (Grid search)
  • Visualizando o desempenho do modelo de treinamento
  • Otimizando hiperparâmetros

Melhores Práticas e Dicas de Solução de Problemas

Resumo e Próximos Passos

Requisitos

  • Compreensão dos conceitos de aprendizado de máquina
  • Experiência em programação Python

Público-Alvo

  • Cientistas de dados
  • Engenheiros de software
 14 Horas

Próximas Formações Provisórias

Categorias Relacionadas