Vielen Dank für Ihre Anfrage! Einer unserer Mitarbeiter wird sich in Kürze mit Ihnen in Verbindung setzen.
Vielen Dank, dass Sie uns Ihre Buchung schicken! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung
- Überblick über die Merkmale und Vorteile von Random Forest
- Verständnis von Entscheidungsbäumen und Ensemble-Methoden
Erste Schritte
- Einrichten der Bibliotheken (Numpy, Pandas, Matplotlib, usw.)
- Klassifizierung und Regression in Random Forests
- Anwendungsfälle und Beispiele
Umsetzung Random Forest
- Vorbereiten von Datensätzen für das Training
- Training des maschinellen Lernmodells
- Bewertung und Verbesserung der Genauigkeit
Abstimmung der Hyperparameter in Random Forest
- Durchführung von Kreuzvalidierungen
- Zufällige Suche und Gittersuche
- Visualisierung der Leistung des Trainingsmodells
- Optimieren von Hyperparametern
Bewährte Praktiken und Tipps zur Fehlerbehebung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis für Konzepte des maschinellen Lernens
- Python Programmiererfahrung
Publikum
- Datenwissenschaftler
- Software-Ingenieure
14 Stunden
Erfahrungsberichte (3)
The details and the presentation style.
Cristian Mititean - Accenture Industrial SS
Kurs - Azure Machine Learning (AML)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete