Schița de curs

Introducere

  • Construirea algoritmilor eficienți în recunoașterea modelelor, clasificarea și regresia.

Setarea mediului de dezvoltare

  • Biblioteci Python
  • Edițori online vs. offline

Panoramă a Feature Engineering

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

Tipuri de probleme întâmpinate în datele brute

  • Date nescurate, date lipsă, etc.

Pre-procesarea variabilelor

  • Gestionarea datelor lipsă

Gestionarea valorilor lipsă în date

Lucrul cu variabilele categorice

Convertirea etichetelor în numere

Gestionarea etichetelor în variabilele categorice

Transformarea variabilelor pentru a îmbunătăți puterea predictivă

  • Numerice, categorice, de dată, etc.

Punerea la curat a unei seturi de date

Modelarea învățării automatice

Gestionarea outlier-ilor în date

  • Variabile numerice, variabile categorice, etc.

Synopsis și concluzii

Cerințe

  • Experiență în programare cu Python.
  • Experiență cu Numpy, Pandas și scikit-learn.
  • Cunoștințe de bază ale algoritmilor de învățare automată.

Audiență

  • Dezvoltatori
  • Stiințiști ai datelor
  • Analiști de date
 14 ore

Numărul de participanți


Pret per participant

Mărturii (2)

Cursuri viitoare

Categorii înrudite