Programa del Curso

Introducción

  • Resumen de Random Forest características y ventajas
  • Comprensión de los árboles de decisión y los métodos de conjunto

Empezar

  • Configuración de las librerías (Numpy, Pandas, Matplotlib, etc.)
  • Clasificación y regresión en Random Forests
  • Casos de uso y ejemplos

Implementación Random Forest

  • Preparación de conjuntos de datos para el entrenamiento
  • Entrenamiento del modelo de aprendizaje automático
  • Evaluación y mejora de la precisión

Ajuste de los hiperparámetros en Random Forest

  • Realización de validaciones cruzadas
  • Búsqueda aleatoria y búsqueda en cuadrícula
  • Visualización del rendimiento del modelo de entrenamiento
  • Optimización de hiperparámetros

Prácticas recomendadas y consejos para la solución de problemas

Resumen y próximos pasos

Requerimientos

  • Comprensión de los conceptos de aprendizaje automático
  • Python Experiencia en programación

Audiencia

  • Científicos de datos
  • Ingenieros de software
  14 horas
 

Número de participantes


Comienza

Termina


Dates are subject to availability and take place between 09:30 and 16:30.
Los cursos de formación abiertos requieren más de 5 participantes.

Testimonios (4)

Cursos Relacionados

Categorías Relacionadas