Plan Szkolenia

Wprowadzenie

  • Przegląd cech i zalet AdaBoost
  • Zrozumienie metod uczenia zespołowego

Pierwsze kroki

  • Konfigurowanie bibliotek (Numpy, Pandas, Matplotlib itp.)
  • Importowanie lub ładowanie zestawów danych

Tworzenie modelu AdaBoost za pomocą Python

  • Przygotowywanie zestawów danych do szkolenia
  • Tworzenie instancji za pomocą AdaBoostClassifier
  • Trenowanie modelu danych
  • Obliczanie i ocena danych testowych

Praca z hiperparametrami

  • Eksplorowanie hiperparametrów w AdaBoost
  • Ustawianie wartości i trenowanie modelu
  • Modyfikowanie hiperparametrów w celu poprawy wydajności

Najlepsze praktyki i wskazówki dotyczące rozwiązywania problemów

Podsumowanie i kolejne kroki

Wymagania

  • Zrozumienie koncepcji uczenia maszynowego
  • Python doświadczenie w programowaniu

Uczestnicy

  • Naukowcy zajmujący się danymi
  • Inżynierowie oprogramowania
 14 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie