Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Wprowadzenie
- Przegląd cech i zalet Random Forest
- Zrozumienie drzew decyzyjnych i metod zespołowych
Rozpoczynanie pracy
- Konfiguracja bibliotek (Numpy, Pandas, Matplotlib, etc.)
- Klasyfikacja i regresja w Random Forests
- Przykłady zastosowań
Wdrażanie Random Forest
- Przygotowanie zbiiorów danych do treningu
- Trenowanie modelu uczenia maszynowego
- Ocenianie i poprawianie dokładności
Dostrajanie hiperparametrów w Random Forest
- Wykonanie walidacji krzyżowej
- Losowe przeszukiwanie i Grid search
- Wizualizacja wydajności modelu treningowego
- Optymalizacja hiperparametrów
Najlepsze praktyki i wskazówki dotyczące rozwiązywania problemów
Podsumowanie i następne kroki
Wymagania
- Znajomość koncepcji uczenia maszynowego
- Doświadczenie w programowaniu w języku Python
Grupa docelowa
- Naukowcy danych
- Inżynierowie oprogramowania
14 godzin