Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung
- Übersicht der Funktionen und Vorteile von Random Forests
- Verständnis von Entscheidungsbaum- und Ensemble-Methoden
Erste Schritte
- Einrichtung der Bibliotheken (Numpy, Pandas, Matplotlib usw.)
- Klassifizierung und Regression in Random Forests
- Anwendungsfälle und Beispiele
Implementierung von Random Forests
- Vorbereitung der Datensätze für das Training
- Training des maschinellen Lernmodells
- Evaluierung und Verbesserung der Genauigkeit
Anpassen der Hyperparameter in Random Forests
- Durchführung von Kreuzvalidierungen
- Zufällige Suche und Raster-Suche (Random Search und Grid Search)
- Visualisierung der Modellleistung beim Training
- Optimierung der Hyperparameter
Best Practices und Tipps zur Fehlerbehebung
Zusammenfassung und weitere Schritte
Voraussetzungen
- Verständnis von Konzepten des maschinellen Lernens
- Erfahrung im Programmieren mit Python
Zielgruppe
- Datenwissenschaftler
- Softwareentwickler
14 Stunden