コース
PySparkで学ぶ特徴量エンジニアリング
上級スキルレベル
更新日 2026/01
SparkData Manipulation4時間16 ビデオ60 演習5,000 XP17,832修了証明書
無料アカウントを作成
Googleで続行その他のオプションを表示または
何千もの企業の従業員が支持
チームのトレーニングを担当していますか？
Businessをお試しくださいコース説明
前提条件
Supervised Learning with scikit-learnIntroduction to PySpark1
探索的データ分析
飛び込む前に、まずは問題設定を少し理解しましょう。そのうえで、データセットを統計的・視覚的に点検する方法を学びます。
2
Spark関数で行うデータ整形
実データが最初から分析に適した状態であることはほとんどありません。この章では、不要な情報の削除、欠損値の扱い、そして分析に追加のデータを取り込む方法を学びます。
3
特徴量エンジニアリング
この章では、Machine Learning モデルが学習に使える新しい特徴量を作成する方法を学びます。フィールドの組み合わせ、乱雑な列からの値の抽出、より良い結果のためのエンコーディングといったアプローチを取り上げます。
4
モデルの構築
この章では、まずどの種類のモデルを選ぶかを学びます。次に、データをモデルに適用して評価する方法を学びます。最後に、結果の解釈方法とモデルを後で使えるように保存する方法を学びます。
PySparkで学ぶ特徴量エンジニアリング
コース完了 19百万人を超える学習者と共にPySparkで学ぶ特徴量エンジニアリングを始めましょう！
無料アカウントを作成
Googleで続行その他のオプションを表示または
DataCamp for Mobileでデータスキルを磨きましょう
モバイル コースと毎日の 5 分間のコーディング チャレンジで、外出先でも進歩できます。