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.
Programa del Curso
Introducción
- Resumen de las características y ventajas del Random Forest
- Comprensión de los árboles de decisión y métodos de ensamblaje
Comenzando
- Configuración de las bibliotecas (Numpy, Pandas, Matplotlib, etc.)
- Clasificación y regresión en Random Forests
- Casos de uso y ejemplos
Implementación del Random Forest
- Preparación de conjuntos de datos para el entrenamiento
- Entrenamiento del modelo de aprendizaje automático
- Evaluación y mejora de la precisión
Ajuste de los hiperparámetros en Random Forest
- Realización de validaciones cruzadas
- Búsqueda aleatoria y búsqueda en cuadrícula (Grid search)
- Visualización del rendimiento del modelo de entrenamiento
- Optimización de hiperparámetros
Mejores prácticas y consejos para solucionar problemas
Resumen y siguientes pasos
Requerimientos
- Un conocimiento de los conceptos de aprendizaje automático
- Experiencia en programación con Python
Público
- Científicos de datos
- Ingenieros de software
14 Horas