Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
In diesem Kurs lernst du die Grundlagen, wie und wann du Daten vorverarbeiten solltest. Dieser entscheidende Schritt in jedem Machine-Learning-Projekt bereitet deine Daten für das Modellieren vor. Zwischen dem Importieren und Bereinigen deiner Daten und dem Trainieren deines Machine-Learning-Modells kommt die Vorverarbeitung ins Spiel. Du lernst, wie du deine Daten standardisierst, damit sie zur Form deines Modells passen, wie du neue Features erstellst, um die Informationen in deinem Datensatz bestmöglich zu nutzen, und wie du die besten Features auswählst, um die Modellanpassung zu verbessern. Zum Schluss übst du die Vorverarbeitung, indem du einen Datensatz zu UFO-Sichtungen für das Modellieren vorbereitest.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Einführung in die Datenvorverarbeitung
In diesem Kapitel lernst du, was es genau bedeutet, Daten vorzuverarbeiten. Du machst die ersten Schritte jeder Vorverarbeitung, darunter das Untersuchen von Datentypen und den Umgang mit fehlenden Werten.
2
Daten standardisieren
Dieses Kapitel dreht sich vollständig um das Standardisieren von Daten. Oft nimmt ein Modell etwas über die Verteilung oder den Maßstab deiner Features an. Standardisierung hilft, deine Daten an diese Annahmen anzupassen und die Leistung des Algorithmus zu verbessern.
3
Feature Engineering
In diesem Abschnitt lernst du Feature Engineering kennen. Du erkundest verschiedene Wege, aus bereits vorhandenen Features neue, nützlichere zu erstellen. Du siehst, wie man Informationen aus numerischen und textuellen Features kodiert, aggregiert und extrahiert.
4
Features für das Modellieren auswählen
Dieses Kapitel behandelt einige Techniken, um die wichtigsten Features aus deinem Datensatz auszuwählen. Du lernst, redundante Features zu entfernen, mit Textvektoren zu arbeiten und mithilfe der Hauptkomponentenanalyse (PCA) die Anzahl der Features in deinem Datensatz zu reduzieren.
5
Alles zusammenführen
Nachdem du nun alles über Vorverarbeitung gelernt hast, setzt du diese Techniken an einem Datensatz ein, der Informationen zu UFO-Sichtungen enthält.
Vorverarbeitung für Machine Learning in Python
Kurs
abgeschlossen
