Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
План на курса
Въведение
- Обзор на характеристиките и предимствата на Random Forest
- Разбиране на дърветата за решение и методологиите за ансамбъл
Започване
- Настройка на библиотеките (Numpy, Pandas, Matplotlib и т.н.)
- Класификация и регресия в Random Forest
- Примери и случаи на приложение
Имплементация на Random Forest
- Подготовка на набори данни за обучение
- Обучение на модела за машинно обучение
- Оценка и подобряване на точността
Настройка на хиперпараметрите в Random Forest
- Извършване на кръстосана валидация
- Случайен търсене и Grid търсене
- Визуализация на изпълнението на модела за обучение
- Оптимизиране на хиперпараметрите
Най-добри практики и съвети за отстраняване на проблеми
Резюме и следващи стъпки
Изисквания
- Разбиране на концепциите на машинно обучение
- Опит в програмирането с Python
Целева аудитория
- Специалисти по данни
- Софтуерни инженери
14 часа