Contacta con nosotros

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

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas