Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción
- Descripción general de las características y ventajas de Random Forest
- Comprensión de los árboles de decisión y los métodos de conjunto
Primeros Pasos
- Configuración de las bibliotecas (Numpy, Pandas, Matplotlib, etc.)
- Clasificación y regresión en Random Forests
- Casos de uso y ejemplos
Implementación de Random Forest
- Preparación de conjuntos de datos para entrenamiento
- Entrenamiento del modelo de aprendizaje automático
- Evaluación y mejora de la precisión
Ajuste de Hiperparámetros en Random Forest
- Realización de validaciones cruzadas
- Búsqueda aleatoria y búsqueda por cuadrícula
- Visualización del rendimiento del modelo entrenado
- Optimización de hiperparámetros
Mejores Prácticas y Consejos para la Solución de Problemas
Resumen y Siguientes Pasos
Requerimientos
- Conocimiento de los conceptos de aprendizaje automático
- Experiencia en programación con Python
Público Objetivo
- Científicos de datos
- Ingenieros de software
14 Horas