Kerangka Materi

Pengenalan

  • Tinjauan fitur dan kelebihan Random Forest
  • Memahami pohon keputusan dan metode ensembel

Memulai

  • Mengatur pustaka (Numpy, Pandas, Matplotlib, dll.)
  • Klasifikasi dan regresi dalam Random Forest
  • Kasus penggunaan dan contoh

Mengimplementasikan Random Forest

  • Mempersiapkan set data untuk pelatihan
  • Melatih model pembelajaran mesin
  • Menevaluasi dan meningkatkan akurasi

Menyesuaikan Hyperparameters dalam Random Forest

  • Melakukan validasi silang
  • Random search dan Grid search
  • Memvisualisasikan kinerja model pelatihan
  • Menoptimalkan hyperparameters

Best Practices dan Tips Penyelesaian Masalah

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pemahaman tentang konsep machine learning
  • Pengalaman dalam pemrograman Python

Peserta

  • Ilmuwan data
  • Insinyur perangkat lunak
 14 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait