Ευχαριστούμε που στάλθηκε η αποσαφήνισή σας! Ένα μέλος της ομάδου μας θα επικοινωνήσει μαζί σας σύντομα.
Ευχαριστούμε για την εκδήλωση κράτησης! Ένας από τους συνεργάτες μας θα επικοινωνήσει μαζί σας σύντομα.
Εξέλιξη Κομματιού
Εισαγωγή
- Περιγραφή των χαρακτηριστικών και πλεονεκτικών σημείων του Random Forest
- Κατανόηση των δένδρων απόφασης και των μεθόδων πολλαπλής εκτίμησης (ensemble methods)
Ξεκινώντας
- Ρύθμιση των βιβλιοθήκων (Numpy, Pandas, Matplotlib κλπ.)
- Ταξινόμηση και προσαρμογή στο Random Forests
- Χρησιμοποιίες και παραδείγματα
Εφαρμογή του Random Forest
- Προετοιμασία συνόλων δεδομένων για εκπαίδευση
- Εκπαίδευση του μοντέλου μηχανής μάθησης
- Αξιολόγηση και βελτίωση της ακρίβειας
Παραμέτρους υπερπαραμέτρων (hyperparameters) στο Random Forest
- Εκτέλεση κατευθυνόμενής επαλήθευσης (cross-validation)
- Τυχαία αναζήτηση και δικτυωτή αναζήτηση (random search and grid search)
- Οπτικοποίηση του επιδόσιμου μοντέλου εκπαίδευσης
- Βελτίωση υπερπαραμέτρων (hyperparameters)
Καλές πρακτικές και συμβουλές για τον αποκλείστη υφιστάμενων προβλημάτων
Περίληψη και επόμενα βήματα
Απαιτήσεις
- Κατανόηση των εννοιών μηχανικής μάθησης
- Εμπειρία προγραμματισμού σε Python
Ακροατήριο
- Επιστήμονες δεδομένων
- Μηχανικοί λογισμικού
14 Ώρες
