After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
매일 최신 Machine Learning 응용이 세상을 바꾸고 있다는 놀라운 소식을 접하곤 합니다. 하지만 그 화려한 모델을 사용하기 전, 엄청난 양의 데이터 전처리와 특성 공학이 필요하다는 사실은 종종 간과되죠. 이 강의에서는 바로 그 과정을 배웁니다. Stack Overflow 개발자 설문과 미국 대통령 취임 연설문 같은 데이터를 다루며, 범주형·연속형·비정형 데이터에서 최적의 전처리와 특성 엔지니어링 방법을 익힙니다. 실습을 통해 어떤 데이터든 여러분의 Machine Learning 모델에 맞게 준비하는 방법을 체득하게 될 거예요.
사전 요구 사항
커리큘럼
코스 개요
1
특성 만들기
이 장에서는 특성 공학이 무엇인지, 그리고 실제 데이터에 어떻게 적용을 시작할 수 있는지 살펴봅니다. 설문 응답 데이터셋을 불러오고, 탐색하고, 시각화하면서 기본 데이터 유형을 이해하고, 그것이 특성 설계 방식에 어떤 영향을 미치는지 학습해요. pandas 패키지를 사용해 범주형 열과 연속형 열 모두에서 새로운 특성을 만들어 봅니다.
2
지저분한 데이터 다루기
이 장에서는 지저분하고 불완전한 데이터의 현실을 다룹니다. 데이터의 결측값을 찾는 방법을 배우고, 이를 처리하는 여러 접근법을 탐색해요. 또한 문자열 조작 기법을 사용해 데이터셋의 불필요한 문자도 정리합니다.
3
통계 가정에 맞추기
이 장에서는 데이터의 분포 특성을 분석하고, 그것이 Machine Learning 파이프라인에 어떤 영향을 미칠지에 집중합니다. 왜도(skew)가 있는 데이터를 다루는 방법과 이상치가 분석에 부정적인 영향을 줄 수 있는 상황을 처리하는 방법을 배우게 됩니다.
4
텍스트 데이터 다루기
마지막으로, 비정형 텍스트 데이터를 다루며 텍스트 말뭉치에서 열 형태의 특성을 만들어 내는 다양한 방법을 익힙니다. 서로 다른 접근 방식이 텍스트에서 얼마나 많은 문맥을 추출하는지에 어떤 영향을 미치는지 비교하고, 지나치게 많은 특성을 만들지 않으면서도 필요한 문맥을 확보하는 균형점을 찾아봅니다.
Python으로 배우는 Machine Learning 특성 공학
코스
완료
