Cursusaanbod

Inleiding

  • Overzicht van de kenmerken en voordelen van Random Forest
  • Begrijpen van beslissingsbomen en ensemble-methoden

Aan de slag

  • Instellen van de bibliotheken (Numpy, Pandas, Matplotlib, etc.)
  • Classificatie en regressie in Random Forests
  • Toepassingen en voorbeelden

Implementeren van Random Forest

  • Voorbereiden van datasetten voor training
  • Trainen van het machine learningmodel
  • Evaluatie en verbetering van nauwkeurigheid

Afstemmen van hyperparameters in Random Forest

  • Uitvoeren van kruisvalidaties
  • Willekeurig zoeken en Grid search
  • Visualiseren van de prestaties van het trainingsmodel
  • Optimaliseren van hyperparameters

Beste praktijken en oplossingen voor problemen

Samenvatting en volgende stappen

Vereisten

  • Een begrip van machine learning concepten
  • Python-programmeerervaring

Publiek

  • Datawetenschappers
  • Software-ingenieurs
 14 Uren

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën