Plan du cours
Introduction
- Vue d'ensemble des fonctionnalités et des avantages d'AdaBoost
- Compréhension des méthodes d'apprentissage par ensembles
Premiers pas
- Configuration des bibliothèques (Numpy, Pandas, Matplotlib, etc.)
- Importation ou chargement des jeux de données
Construction d'un modèle AdaBoost avec Python
- Préparation des jeux de données pour l'entraînement
- Création d'une instance avec AdaBoostClassifier
- Entraînement du modèle de données
- Calcul et évaluation des données de test
Travail avec les hyperparamètres
- Exploration des hyperparamètres dans AdaBoost
- Définition des valeurs et entraînement du modèle
- Modification des hyperparamètres pour améliorer les performances
Bonnes pratiques et conseils de dépannage
Résumé et prochaines étapes
Pré requis
- Une compréhension des concepts de l'apprentissage automatique
- De l'expérience en programmation Python
Public
- Data scientists
- Ingénieurs logiciels
Nos clients témoignent (4)
Style de formation et connaissances globales du formateur.
Kenosi - NWK Limited
Formation - Laravel: Middleware Development
Traduction automatique
Les leçons étaient très interactives et les exercices étaient pratiques.
Heino - NWK Limited
Formation - Laravel and Vue.js
Traduction automatique
il expliquait et donnait de nombreux exemples pour nous faire comprendre
Selina - NWK
Formation - Laravel PHP Framework
Traduction automatique
La disponibilité du formateur et la personnalisation de la formation