Struttura del corso

Introduzione

  • Panoramica sulle funzionalità e i vantaggi dei Random Forest
  • Comprensione degli alberi decisionali e dei metodi di ensemble

Primi Passi

  • Configurazione delle librerie (Numpy, Pandas, Matplotlib, ecc.)
  • Classificazione e regressione nei Random Forest
  • Casistici ed esempi

Implementazione dei Random Forest

  • Preparazione dei set di dati per l'addestramento
  • Addestramento del modello di machine learning
  • Valutazione e miglioramento dell'accuratezza

Ottimizzazione degli Iperparametri nei Random Forest

  • Esecuzione delle cross-validation
  • Ricerca casuale e ricerca su griglia (Grid search)
  • Visualizzazione del rendimento del modello di addestramento
  • Ottimizzazione degli iperparametri

Best Practice e Suggerimenti per la Risoluzione dei Problemi

Riepilogo e Prossimi Passi

Requisiti

  • Una comprensione dei concetti di machine learning
  • Esperienza in programmazione Python

Pubblico di riferimento

  • Data scientists
  • Ingegneri software
 14 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative