Schița de curs
Introducere
- Construirea de algoritmi eficienți de recunoaștere a tiparelor, clasificare și regresie.
Configurarea mediului de dezvoltare
- Python biblioteci
- Editorii online vs. offline
Prezentare generală a ingineriei caracteristicilor
- Variabile de intrare și de ieșire (caracteristici)
- Avantajele și dezavantajele ingineriei caracteristicilor
Tipuri de probleme întâlnite în datele brute
- Date necurate, date lipsă etc.
Variabile de preprocesare
- Gestionarea datelor lipsă
Gestionarea valorilor lipsă în date
Lucrul cu variabilele categorice
Conversia etichetelor în numere
Manipularea etichetelor în variabilele categoriale
Transformarea variabilelor pentru a îmbunătăți puterea predictivă
- Numerical, categorical, date, etc.
Curățarea unui set de date
Machine Learning Modelare
Manipularea valorilor aberante din date
- Variabile numerice, variabile categorice etc.
Rezumat și concluzii
Cerințe
- Python experiență în programare.
- Experiență cu Numpy, Pandas și scikit-learn.
- Familiaritate cu algoritmii de învățare automată.
Audiență
- Dezvoltatorii
- Științifici de date
- Analiști de date
Mărturii (2)
Szkolenie rewelacyjne, jedno z najlepszych, na jakich bylem! Prowadzacy Rafal doskonale odpowiadal w zakresie poruuszanych zagadnien, bardzo dokladnie tlumaczyl wszystkie metody. Jestem bardzo zadowolony i chetnie ponownie skorzystam ze szkolenia prowadzonego przez tego szkoleniowca.
Darek Paszkowski - Orange Szkolenia Sp. z o.o.
Curs - Feature Engineering for Machine Learning
Rysunki na flipcharcie, całe szkolenie.