Course Outline
Invoering
- Overzicht van AdaBoost kenmerken en voordelen
- Inzicht in ensembleleermethoden
Aan de slag
- Het opzetten van de bibliotheken (Numpy, Pandas, Matplotlib, enz.)
- Gegevenssets importeren of laden
Een AdaBoost-model bouwen met Python
- Datasets voorbereiden voor training
- Een instantie maken met AdaBoostClassifier
- Het datamodel trainen
- Berekenen en evalueren van de testgegevens
Werken met hyperparameters
- Hyperparameters verkennen in AdaBoost
- De waarden instellen en het model trainen
- Hyperparameters aanpassen om de prestaties te verbeteren
Best practices en tips voor probleemoplossing
Samenvatting en volgende stappen
Requirements
- Een goed begrip van machine learning-concepten
- Python programmeerervaring
Publiek
- Datawetenschappers
- Software-ingenieurs
Getuigenissen (4)
The details and the presentation style.
Cristian Mititean - Accenture Industrial SS
Cursus - Azure Machine Learning (AML)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Cursus - Artificial Neural Networks, Machine Learning, Deep Thinking
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete
Jimena Esquivel - Zakład Usługowy Hakoman Andrzej Cybulski
Cursus - Applied AI from Scratch in Python
Houd het kort en eenvoudig. Intuïtie en visuele modellen creëren rond de concepten (beslissingsboomgrafiek, lineaire vergelijkingen, y_pred handmatig berekenen om te bewijzen hoe het model werkt).
Nicolae - DB Global Technology
Cursus - Machine Learning
Machine Translated