Temario del curso

Introducción

  • Resumen de las características y ventajas del Random Forest
  • Comprensión de los árboles de decisión y métodos de ensamblaje

Comenzando

  • Configuración de las bibliotecas (Numpy, Pandas, Matplotlib, etc.)
  • Clasificación y regresión en Random Forests
  • Casos de uso y ejemplos

Implementación del Random Forest

  • Preparación de conjuntos de datos para el entrenamiento
  • Entrenamiento del modelo de aprendizaje automático
  • Evaluación y mejora de la precisión

Ajuste de los hiperparámetros en Random Forest

  • Realización de validaciones cruzadas
  • Búsqueda aleatoria y búsqueda en cuadrícula (Grid search)
  • Visualización del rendimiento del modelo de entrenamiento
  • Optimización de hiperparámetros

Mejores prácticas y consejos para solucionar problemas

Resumen y siguientes pasos

Requerimientos

  • Un conocimiento de los conceptos de aprendizaje automático
  • Experiencia en programación con Python

Público

  • Científicos de datos
  • Ingenieros de software
 14 horas

Formación Corporativa a Medida

Soluciones de formación diseñadas exclusivamente para empresas.

  • Contenido personalizado: Adaptamos el temario y los ejercicios prácticos a los objetivos y necesidades reales del proyecto.
  • Calendario flexible: Fechas y horarios adaptados a la agenda de su equipo.
  • Modalidad: Online (en directo), In-company (en sus oficinas) o Híbrida.
Inversión

Price per private group, online live training, starting from 3200 € + VAT*

Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales

Próximos cursos

Categorías Relacionadas