Cursusaanbod

Introductie

  • Overzicht van Random Forest kenmerken en voordelen
  • Inzicht in beslisbomen en ensemblemethoden

Slag

  • Opzetten van de bibliotheken (Numpy, Pandas, Matplotlib, etc.)
  • Classificatie en regressie in Random Forests
  • Use cases en voorbeelden

Uitvoering Random Forest

  • Datasets voorbereiden voor training
  • Het machine learning-model trainen
  • Evalueren en verbeteren van de nauwkeurigheid

De hyperparameters afstemmen in Random Forest

  • Kruisvalidaties uitvoeren
  • Willekeurig zoeken en raster zoeken
  • Visualisatie van de prestaties van het trainingsmodel
  • Hyperparameters optimaliseren

Best practices en tips voor het oplossen van problemen

Samenvatting en volgende stappen

Vereisten

  • Inzicht in machine learning-concepten
  • Python Ervaring met programmeren

Audiëntie

  • Datawetenschappers
  • Software-ingenieurs
 14 Uren

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën