After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
이 강의는 데이터 전처리를 언제, 어떻게 수행해야 하는지의 기초를 다룹니다. Machine Learning 프로젝트에서 전처리는 모델링을 위한 데이터를 준비하는 필수 단계예요. 데이터를 가져와 정리한 다음 모델을 학습하기 전 사이에 전처리가 이뤄집니다. 표준화를 통해 모델에 알맞은 형태로 데이터를 맞추고, 데이터셋의 정보를 최대한 활용할 수 있도록 새로운 특성을 만들며, 모델 성능을 높일 수 있도록 최적의 특성을 선택하는 방법을 배우게 됩니다. 마지막으로, UFO 목격 데이터셋을 모델링에 적합하도록 전처리하는 실습도 진행합니다.
사전 요구 사항
커리큘럼
코스 개요
1
데이터 전처리 소개
이 장에서는 데이터 전처리가 무엇을 의미하는지 정확히 배우게 됩니다. 데이터 형식을 살펴보고 결측치를 다루는 등 전처리의 첫 단계를 진행해 볼 거예요.
2
데이터 표준화
이 장의 핵심 주제는 데이터 표준화입니다. 많은 모델은 특성의 분포나 스케일에 대해 가정을 합니다. 표준화는 데이터를 이러한 가정에 맞추어 알고리즘 성능을 높이는 방법이에요.
3
Feature Engineering
이 절에서는 Feature Engineering을 배웁니다. 데이터셋에 이미 있는 특성으로부터 새로운, 더 유용한 특성을 만드는 다양한 방법을 살펴봅니다. 수치형과 텍스트 특성에서 정보를 인코딩하고 집계하며 추출하는 방법을 보게 될 거예요.
4
모델을 위한 특성 선택
이 장에서는 데이터셋에서 가장 중요한 특성을 선택하는 여러 기법을 다룹니다. 중복된 특성을 제거하고, 텍스트 벡터를 활용하며, 주성분 분석(PCA)을 사용해 데이터셋의 특성 수를 줄이는 방법을 배우게 됩니다.
5
모든 과정을 하나로 묶기
이제 전처리에 대해 모두 배웠으니, UFO 목격 정보를 담은 데이터셋에 이러한 기법을 적용해 보겠습니다.
Python으로 배우는 Machine Learning 전처리
코스
완료
