Programa do Curso

Introdução

  • Visão geral das caraterísticas e vantagens de Random Forest
  • Compreender as árvores de decisão e os métodos de conjunto

Introdução

  • Configurar as bibliotecas (Numpy, Pandas, Matplotlib, etc.)
  • Classificação e regressão em Random Forest s
  • Casos de utilização e exemplos

Implementação de Random Forest

  • Preparação de conjuntos de dados para treino
  • Treinar o modelo de aprendizagem automática
  • Avaliar e melhorar a precisão

Ajustar os hiperparâmetros em Random Forest

  • Efetuar validações cruzadas
  • Pesquisa aleatória e pesquisa em grelha
  • Visualizar o desempenho do modelo de treino
  • Otimização dos hiperparâmetros

Melhores práticas e dicas de solução de problemas

Resumo e próximos passos

Requisitos

  • Compreensão dos conceitos de aprendizagem automática
  • Experiência de programação Python

Público

  • Cientistas de dados
  • Engenheiros de software
 14 Horas

Número de participantes


Preço por Participante

Próximas Formações Provisórias

Categorias Relacionadas