Plan Szkolenia

Wprowadzenie

  • Przegląd funkcji i zalet AdaBoost
  • Zrozumienie metod uczenia zespołowego

Pierwsze kroki

  • Konfigurowanie bibliotek (Numpy, Pandas, Matplotlib itp.)
  • Importowanie lub ładowanie zestawów danych

Budowanie modelu AdaBoost za pomocą Python

  • Przygotowanie zestawów danych do szkolenia
  • Tworzenie instancji za pomocą AdaBoostClassifier
  • Trenowanie modelu danych
  • Obliczanie i ocena danych testowych

Praca z hiperparametrami

  • Eksploracja hiperparametrów w AdaBoost
  • Ustawianie wartości i trenowanie modelu
  • Modyfikowanie hiperparametrów w celu poprawy wydajności

Najlepsze praktyki i wskazówki dotyczące rozwiązywania problemów

Podsumowanie i kolejne kroki

Wymagania

  • Zrozumienie koncepcji uczenia maszynowego
  • Python doświadczenie w programowaniu

Publiczność

  • Naukowcy danych
  • Inżynierowie oprogramowania
 14 godzin

Liczba uczestników



Cena za uczestnika

Powiązane Kategorie