Schița de curs

Introducere

  • Construirea algoritmilor eficienți în recunoașterea modelelor, clasificare și regresie.

Configurarea Mediului de Dezvoltare

  • Biblioteci Python
  • Editori online vs offline

Prezentare a Feature Engineering

  • Variabile de intrare și ieșire (caracteristici)
  • Avantaje și dezavantaje ale feature engineering-ului

Tipuri de Probleme întâmpinate în Datele Brute

  • Date neprocurate, date lipsă, etc.

Preprocesarea Variabilelor

  • Gestionarea datelor lipsă

Gestionarea Valorilor Lipsă din Date

Lucrul cu Variabile Categorice

Conversia Etichetelor în Numere

Gestionarea Etichetelor în Variabilele Categorice

Transformarea Variabilelor pentru a Îmbunătăți Puterea Predictivă

  • Numerice, categorice, date, etc.

Curățarea unui Set de Date

Modelare Machine Learning

Gestionarea Outlier-urilor din Date

  • Variabile numerice, categorice, etc.

Rezumat și Concluzii

Cerințe

  • Experiență în programare Python.
  • Experiență cu Numpy, Pandas și scikit-learn.
  • Familiarizarea cu algoritmii de Machine Learning.

Audiență

  • Dezvoltatori
  • Științii de date
  • Analizi de date
 14 ore

Numărul de participanți


Prețul pe participant

Mărturii (2)

Cursuri viitoare

Categorii înrudite