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
  14 ore
 

Mărturii (2)

Cursuri înrudite

Categorii înrudite