Build your ultimate AI agent
कोर्स विवरण
यह कोर्स डेटा प्रीप्रोसेसिंग कब और कैसे करनी है, इसकी बुनियादी बातें कवर करता है। किसी भी मशीन लर्निंग प्रोजेक्ट का यह एक ज़रूरी चरण है, जिसमें आप अपने डेटा को मॉडलिंग के लिए तैयार करते हैं। डेटा इम्पोर्ट और क्लीन करने तथा मशीन लर्निंग मॉडल फिट करने के बीच का काम प्रीप्रोसेसिंग होता है। आप सीखेंगे कि अपने डेटा को कैसे स्टैंडर्डाइज़ करें ताकि वह आपके मॉडल के लिए सही फॉर्म में हो, अपने डेटासेट की जानकारी का बेहतर उपयोग करने के लिए नए फीचर कैसे बनाएँ, और मॉडल फिट को सुधारने के लिए सबसे अच्छे फीचर कैसे चुनें। आख़िर में, आप UFO sightings वाले एक डेटासेट को मॉडलिंग के लिए तैयार करके प्रीप्रोसेसिंग का अभ्यास करेंगे।
पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
डेटा प्रीप्रोसेसिंग परिचय
इस चैप्टर में आप जानेंगे कि डेटा को प्रीप्रोसेस करना वास्तव में क्या होता है। आप प्रीप्रोसेसिंग की शुरुआती स्टेप्स करेंगे, जिनमें डेटा टाइप्स की जाँच और missing डेटा से निपटना शामिल है।
2
डेटा का स्टैंडर्डाइज़ेशन
यह चैप्टर पूरी तरह डेटा को स्टैंडर्डाइज़ करने पर केंद्रित है। कई बार कोई मॉडल आपके फीचर्स के डिस्ट्रीब्यूशन या स्केल के बारे में कुछ मान्यताएँ लेता है। स्टैंडर्डाइज़ेशन आपके डेटा को इन मान्यताओं के अनुरूप लाने और एल्गोरिदम के परफॉर्मेंस को सुधारने का एक तरीका है।
3
फीचर इंजीनियरिंग
इस सेक्शन में आप फीचर इंजीनियरिंग सीखेंगे। आप अपने डेटासेट में मौजूद फीचर्स से नए और ज़्यादा उपयोगी फीचर्स बनाने के अलग-अलग तरीके एक्सप्लोर करेंगे। आप देखेंगे कि न्यूमेरिकल और टेक्स्टुअल, दोनों तरह के फीचर्स से जानकारी को कैसे एन्कोड, एग्रीगेट और एक्सट्रैक्ट किया जाए।
4
मॉडलिंग के लिए फीचर चयन
यह चैप्टर आपके डेटासेट से सबसे महत्वपूर्ण फीचर्स चुनने की कुछ अलग-अलग तकनीकों पर जाता है। आप सीखेंगे कि कैसे रेड़ंडेंट फीचर्स हटाएँ, टेक्स्ट वेक्टर्स के साथ काम करें, और प्रिंसिपल कंपोनेंट ऐनालिसिस (PCA) का उपयोग करके अपने डेटासेट में फीचर्स की संख्या कम करें।
5
सब कुछ एक साथ लाना
अब जब आपने प्रीप्रोसेसिंग के बारे में सब सीख लिया है, तो आप इन तकनीकों को UFO sightings से जुड़ी जानकारी वाले एक डेटासेट पर लागू करके देखेंगे।
Python में Machine Learning के लिए Preprocessing
कोर्स
पूरा
