Course Outline

Εισαγωγή

  • Γενική περίληψη των χαρακτηριστικών και πλεονεκτικών σημείων του AdaBoost
  • Κατανόηση των μεθόδων επιβάλλων μαθημάτων (ensemble learning)

Ξεκούραση

  • Ρύθμιση των βιβλιοθηκών (Numpy, Pandas, Matplotlib κλπ.)
  • Εισαγωγή ή φόρτωση πλήρους δεδομένων

Δημιουργία ενός μοντέλου AdaBoost με Python

  • Προετοιμασία των συνόλων δεδομένων για την εκπαίδευση
  • Δημιουργία ενός παραδείγματος με AdaBoostClassifier
  • Εκπαίδευση του μοντέλου δεδομένων
  • Υπολογισμός και αξιολόγηση των προβλεπόμενων δεδομένων

Εργασία με υπερπαράμετρους (hyperparameters)

  • Έρευνα για υπερπαράμετρους στο AdaBoost
  • Ρύθμιση των τιμών και εκπαίδευση του μοντέλου
  • Τροποποίηση υπερπαράμετρων για βελτίωση της απόδοσης

Καλύτερες πρακτικές και οδηγίες για την εξάλειψη προβλημάτων

Περίληψη και επόμενα βήματα

Requirements

  • Ένας κατανοητικός τρόπος των εννοιών του μηχανικού μάθησης
  • Εμπειρία προγραμματισμού στο Python

Ακροατήριο

  • Επιστήμονες δεδομένων
  • Μηχανικοί λογισμικού
 14 Hours

Number of participants


Price per participant

Testimonials (3)

Upcoming Courses

Related Categories