Weiter zum Inhalt
StartseitePython

Kurs

Feature Engineering für Machine Learning in Python

MittelSchwierigkeitsgrad
Aktualisiert 02/2023
Hier entwickelst du neue Features, um die Leistung deiner Machine-Learning-Modelle zu verbessern.
Kurs kostenlos starten
PythonMachine Learning
4 Std.
16 Videos
53 Übungen
4,350 XP
38,881
Leistungsnachweis

Kostenloses Konto erstellen

Mit Google fortfahrenWeitere Optionen anzeigen

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.

Beliebt bei Lernenden in Tausenden Unternehmen

Group

Ein Team schulen?

Für Unternehmen ausprobieren

Kursbeschreibung

Jeden Tag liest du von beeindruckenden Durchbrüchen, wie neue Anwendungen des Machine Learning die Welt verändern. Oft wird dabei übersehen, dass vor dem Einsatz dieser ausgeklügelten Modelle eine Menge Datenaufbereitung und Feature Engineering nötig ist. In diesem Kurs lernst du genau das. Du arbeitest mit der Stack Overflow Developers Survey und historischen US-Antrittsreden von Präsidenten, um zu verstehen, wie du kategoriale, kontinuierliche und unstrukturierte Daten am besten vorverarbeitest und daraus Features entwickelst. Dieser Kurs gibt dir praktische Erfahrung darin, wie du beliebige Daten für deine eigenen Machine-Learning-Modelle vorbereitest.

Voraussetzungen

Supervised Learning with scikit-learn
1

Features erstellen

In diesem Kapitel lernst du, was Feature Engineering ist und wie du damit bei realen Daten loslegst. Du lädst, erkundest und visualisierst einen Datensatz mit Umfrageantworten und lernst dabei die zugrunde liegenden Datentypen kennen und warum sie beeinflussen, wie du deine Features entwickeln solltest. Mit dem Paket pandas erstellst du neue Features aus kategorialen und kontinuierlichen Spalten.
Kapitel starten
2

Mit unordentlichen Daten umgehen

Dieses Kapitel führt dich in die Realität unordentlicher und unvollständiger Daten ein. Du lernst, fehlende Werte in deinen Daten zu finden, und erkundest verschiedene Ansätze, wie du damit umgehst. Außerdem nutzt du String-Manipulationstechniken, um unerwünschte Zeichen in deinem Datensatz zu bereinigen.
Kapitel starten
3

Statistischen Annahmen entsprechen

In diesem Kapitel konzentrierst du dich auf die Analyse der zugrunde liegenden Verteilung deiner Daten und darauf, ob sie sich auf deine Machine-Learning-Pipeline auswirkt. Du lernst, wie du mit schief verteilten Daten umgehst und mit Situationen, in denen Ausreißer deine Analyse negativ beeinflussen könnten.
Kapitel starten
4

Mit Textdaten umgehen

Zum Schluss arbeitest du in diesem Kapitel mit unstrukturierten Textdaten und lernst, wie du daraus spaltenweise Features erzeugen kannst. Du vergleichst, wie sich unterschiedliche Ansätze darauf auswirken, wie viel Kontext aus einem Text extrahiert wird, und wie du den Bedarf an Kontext mit der Anzahl der erzeugten Features in Einklang bringst.
Kapitel starten
Feature Engineering für Machine Learning in Python
Kurs
abgeschlossen

Leistungsnachweis verdienen

Füge diesen Fähigkeitsnachweis zu deinem LinkedIn-Profil, Anschreiben oder Lebenslauf hinzu
Teile es auf Social Media und in deiner LeistungsbeurteilungJetzt anmelden

    Schließe dich 19 Millionen Lernenden an und starte Feature Engineering für Machine Learning in Python heute!

    Kostenloses Konto erstellen

    Mit Google fortfahrenWeitere Optionen anzeigen

    oder

    Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.

    DataCamp gibt es auch für Mobilgeräte

    Mit unseren Kursen für Mobilgeräte und täglichen Programmier-Challenges erweiterst du deine Datenkompetenz von unterwegs.