After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Scopri il Feature Engineering per il Machine Learning
In questo corso imparerai cos'è il feature engineering, che è alla base di molti modelli di machine learning. Dato che le prestazioni di qualsiasi modello dipendono direttamente dalle caratteristiche che gli vengono date, l'ingegneria delle caratteristiche mette le conoscenze del settore al centro del processo. Imparerai i principi dell'ingegneria delle caratteristiche audio, che ti aiuteranno a ridurre il numero di variabili dove possibile, velocizzare l'esecuzione degli algoritmi di apprendimento, migliorare l'interpretabilità e prevenire il sovradattamento.Implementare tecniche di feature engineering in R
Imparerai come usare le tecniche di feature engineering con il framework R tidymodels, concentrandoti sul pacchetto recipe che ti aiuterà a creare, estrarre, trasformare e scegliere le caratteristiche migliori per il tuo modello.Funzionalità di ingegneria e creazione di modelli ML migliori
Quando ti trovi davanti a un nuovo set di dati, potrai capire e scegliere le caratteristiche importanti e ignorare quelle che non servono, così il tuo modello funzionerà più veloce senza perdere in precisione. Diventerai anche bravo ad applicare trasformazioni e creare nuove funzionalità per rendere i tuoi modelli più efficienti, interpretabili e accurati!Prerequisiti
Curriculum
Programma del corso
1
Introduzione al feature engineering
I dati grezzi non sono sempre nella forma migliore per l’analisi. In questo capitolo introduttivo, darai una prima occhiata a come trasformare e creare caratteristiche che migliorano le prestazioni e l’interpretabilità del tuo modello.
- Che cos’è il feature engineering?50 XP
- Un modello provvisorio100 XP
- Creare manualmente una feature100 XP
- Creare nuove feature usando la conoscenza del dominio50 XP
- Prepara i tuoi dati per l'analisi100 XP
- Creare un workflow100 XP
- Aumentare il contenuto informativo dei dati grezzi50 XP
- Identificare i valori mancanti100 XP
- Imputazione dei valori mancanti e creazione di variabili dummy100 XP
- Addestrare e valutare il modello100 XP
- Prevedere le prenotazioni in hotel100 XP
2
Trasformare le caratteristiche
In questo capitolo vedrai che, oltre a trasformare manualmente le caratteristiche, puoi sfruttare gli strumenti del tidyverse per generare nuove variabili in modo programmatico. Scoprirai come questo approccio migliori la riproducibilità dei modelli ed è particolarmente utile quando si lavora con insiemi di dati con molte caratteristiche.
3
Estrarre caratteristiche
Ora vedrai come i modelli traggono spesso beneficio dalla riduzione della dimensionalità e dall’estrazione di caratteristiche da dati ad alta dimensionalità, inclusa la conversione di testo in valori numerici, la codifica di dati categorici e il ranking del potere predittivo delle variabili. Esplorerai metodi come l’analisi delle componenti principali, la kernel principal component analysis, l’estrazione numerica dal testo, le codifiche categoriche e i punteggi di importanza delle variabili.
4
Selezionare le caratteristiche
Concluderai il corso approfondendo tecniche di feature engineering e di Machine Learning. Inizierai concentrandoti sui problemi legati all’uso di tutte le caratteristiche disponibili in un modello e sull’importanza di individuare quelle irrilevanti e ridondanti, imparando a rimuoverle con metodi embedded come lasso ed elastic-net. Poi esplorerai i metodi di shrinkage come lasso, ridge ed elastic-net, che possono essere usati per regolarizzare i pesi delle caratteristiche o selezionarle azzerando alcuni coefficienti. Infine, terminerai creando un flusso di lavoro end-to-end per il feature engineering e ripassando e mettendo in pratica i concetti e le funzioni appresi in un piccolo progetto.
R
Feature Engineering in R
Corso
completato
