Kursplan
Introduktion
- Översikt över AdaBoost funktioner och fördelar
- Förstå ensembleinlärningsmetoder
Komma igång
- Ställa in biblioteken (Numpy, Pandas, Matplotlib, etc.)
- Importera eller ladda datauppsättningar
Bygga en AdaBoost modell med Python
- Förbereda datamängder för träning
- Skapar en instans med AdaBoostClassifier
- Utbildning av datamodellen
- Beräkna och utvärdera testdata
Arbeta med hyperparametrar
- Utforskar hyperparametrar i AdaBoost
- Att sätta värden och träna modellen
- Ändring av hyperparametrar för att förbättra prestandan
Bästa metoder och felsökningstips
Sammanfattning och nästa steg
Krav
- En förståelse för maskininlärningskoncept
- Python programmeringserfarenhet
Publik
- Dataforskare
- Mjukvaruingenjörer
Vittnesmål (4)
The details and the presentation style.
Cristian Mititean - Accenture Industrial SS
Kurs - 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
Kurs - 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
Kurs - Applied AI from Scratch in Python
Håller det kort och enkelt. Skapa intuition och visuella modeller kring begreppen (beslutsträdsgraf, linjära ekvationer, beräkna y_pred manuellt för att bevisa hur modellen fungerar).
Nicolae - DB Global Technology
Kurs - Machine Learning
Machine Translated