Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Este curso abarca los fundamentos de cómo y cuándo realizar el preprocesamiento de datos. Este paso esencial en cualquier proyecto de machine learning es cuando preparas tus datos para el modelado. Entre la importación y limpieza de tus datos y el ajuste de tu modelo de machine learning es cuando entra en juego el preprocesamiento. Aprenderás a normalizar tus datos para que tengan la forma adecuada para tu modelo, a crear nuevas características para aprovechar mejor la información de tu conjunto de datos y a seleccionar las mejores características para mejorar el ajuste de tu modelo. Por último, practicarás un poco el preprocesamiento consiguiendo un conjunto de datos sobre avistamientos de UFO listo para el modelado.
Requisitos previos
Programa de formación
Contenido del curso
1
Introducción al preprocesamiento de datos
En este capítulo aprenderás qué significa exactamente preprocesar datos. Darás los primeros pasos de cualquier tarea de preprocesamiento, incluyendo la exploración de los tipos de datos y el tratamiento de los datos que faltan.
- Introducción al preprocesamiento50 XP
- Explorar los datos que faltan50 XP
- Eliminar los datos que faltan100 XP
- Trabajar con tipos de datos50 XP
- Explorar los tipos de datos50 XP
- Convertir un tipo de columna100 XP
- Conjuntos de entrenamiento y prueba50 XP
- Desequilibrio de clases50 XP
- Muestreo estratificado100 XP
2
Normalización de datos
Este capítulo trata sobre la normalización de los datos. A menudo, un modelo hará algunas suposiciones sobre la distribución o la escala de tus características. La normalización es una forma de hacer que tus datos se ajusten a estos supuestos y mejorar el rendimiento del algoritmo.
3
Ingeniería de características (Feature engineering)
En esta sección aprenderás sobre ingeniería de características. Explorarás distintas formas de crear características nuevas y más útiles a partir de las que ya existen en tu conjunto de datos. Verás cómo codificar, agregar y extraer información de características numéricas y textuales.
4
Selección de características para el modelado
Este capítulo repasa algunas técnicas diferentes para seleccionar las características más importantes de tu conjunto de datos. Aprenderás a eliminar características redundantes, a trabajar con vectores de texto y a reducir el número de características de tu conjunto de datos mediante el análisis de componentes principales (PCA).
5
Unirlo todo
Ahora que has aprendido todo sobre el preprocesamiento, probarás estas técnicas en un conjunto de datos que registra información sobre avistamientos de OVNIs (UFO).
Preprocesamiento para machine learning en Python
Curso
completado
