Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction
- Présentation des fonctionnalités et des avantages de Random Forest
- Compréhension des arbres de décision et des méthodes d'ensemble
Mise en route
- Installation des bibliothèques (Numpy, Pandas, Matplotlib, etc.)
- Classification et régression avec Random Forest
- Cas d'utilisation et exemples
Implémentation de Random Forest
- Préparation des jeux de données pour l'entraînement
- Entraînement du modèle d'apprentissage automatique
- Évaluation et amélioration de la précision
Réglage des hyperparamètres dans Random Forest
- Réalisation de validations croisées
- Recherche aléatoire et recherche par grille
- Visualisation des performances du modèle entraîné
- Optimisation des hyperparamètres
Bonnes pratiques et conseils de résolution de problèmes
Résumé et prochaines étapes
Pré requis
- Une compréhension des concepts d'apprentissage automatique
- Une expérience en programmation Python
Audience
- Data scientists
- Ingénieurs logiciels
14 Heures