Programa del Curso

Introducción

  • Resumen de AdaBoost características y ventajas
  • Comprender los métodos de aprendizaje de conjuntos

Empezar

  • Configuración de las bibliotecas (Numpy, Pandas, Matplotlib, etc.)
  • Importación o carga de conjuntos de datos

Construcción de un modelo AdaBoost con Python

  • Preparación de conjuntos de datos para el entrenamiento
  • Creación de una instancia con AdaBoostClassifier
  • Entrenamiento del modelo de datos
  • Cálculo y evaluación de los datos de prueba

Trabajar con hiperparámetros

  • Exploración de hiperparámetros en AdaBoost
  • Establecimiento de los valores y entrenamiento del modelo
  • Modificación de hiperparámetros para mejorar el rendimiento

Prácticas recomendadas y consejos para la solución de problemas

Resumen y próximos pasos

Requerimientos

  • Comprensión de los conceptos de aprendizaje automático
  • Python Experiencia en programación

Audiencia

  • Científicos de datos
  • Ingenieros de software
  14 horas
 

Número de participantes


Comienza

Termina


Las fechas están sujetas a disponibilidad y tienen lugar entre 09:30 y 16:30.
Los cursos de formación abiertos requieren más de 5 participantes.

Testimonios (4)

Cursos Relacionados

Categorías Relacionadas