Bądźmy w kontakcie

Plan Szkolenia

Wprowadzenie

  • Przegląd funkcji i zalet AdaBoost
  • Zrozumienie metod uczenia zespołowego

Rozpoczęcie pracy

  • Konfiguracja bibliotek (Numpy, Pandas, Matplotlib itp.)
  • Importowanie lub ładowanie zbiorów danych

Budowanie modelu AdaBoost w Pythonie

  • Przygotowanie zbiorów danych do treningu
  • Tworzenie instancji z AdaBoostClassifier
  • Trenowanie modelu danych
  • Obliczanie i ocena danych testowych

Praca z hiperparametrami

  • Poznanie 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
  • Doświadczenie w programowaniu w Pythonie

Grupa docelowa

  • Naukowcy zajmujący się danymi
  • Inżynierowie oprogramowania
 14 godzin

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (3)

Propozycje terminów

Powiązane Kategorie