Ce cours pratique permet aux apprenants d'acquérir les compétences nécessaires pour mettre en œuvre, analyser et évaluer l'algorithme Forêts d'arbres décisionnels à l'aide de Python. Modélisé autour d'un problème réel de classification utilisant l'ensemble de données SONAR, le cours guide les apprenants à travers l'ensemble du pipeline - du chargement et du prétraitement des données à la construction d'arbres de décision et à l'assemblage de modèles Forêts d'arbres décisionnels. Grâce à des leçons basées sur le code et des quiz guidés, les apprenants appliqueront des techniques d'apprentissage supervisé, calculeront la performance des modèles en utilisant la validation croisée et évalueront les limites de la décision en utilisant des mesures d'impureté telles que l'indice de Gini. Les participants apprendront également à optimiser la précision des modèles en employant les meilleures pratiques telles que la validation k-fold et le sous-échantillonnage aléatoire. À la fin de ce cours, les apprenants auront construit un classificateur Forêts d'arbres décisionnels fonctionnel et auront développé la capacité d'évaluer son efficacité sur des ensembles de données réels. Ce cours est idéal pour les apprenants ayant des connaissances de base en Python et qui souhaitent renforcer leurs bases en apprentissage automatique grâce à une exploration basée sur des projets et des résultats d'apprentissage structurés.