Ga naar hoofdinhoud
HomePython

Cursus

Feature engineering voor Machine Learning in Python

GemiddeldVaardigheidsniveau
Bijgewerkt 02-2023
Maak nieuwe functies om je machine learning-modellen beter te laten werken.
Start Cursus Kosteloos
PythonMachine Learning
4 u
16 videos
53 Opdrachten
4,350 XP
38,908
Bewijs van Prestatie

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of


Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Geliefd bij leerlingen van duizenden bedrijven

Group

Een team trainen?

Probeer voor bedrijven

Cursusbeschrijving

Elke dag lees je over indrukwekkende doorbraken waarbij de nieuwste toepassingen van Machine Learning de wereld veranderen. Vaak wordt daarbij voorbijgegaan aan het feit dat er een enorme hoeveelheid datavoorbewerking en feature engineering nodig is voordat je zulke geavanceerde modellen kunt gebruiken. In deze cursus leer je precies hoe je dat aanpakt. Je werkt met de Stack Overflow Developers-enquête en historische inauguratiespeeches van Amerikaanse presidenten om te begrijpen hoe je het beste features kunt voorbereiden en engineeren uit categorische, continue en ongestructureerde data. Deze cursus geeft je praktische ervaring met het voorbereiden van allerlei data voor je eigen Machine Learning-modellen.

Vereisten

Supervised Learning with scikit-learn
1

Features maken

In dit hoofdstuk ontdek je wat feature engineering is en hoe je ermee aan de slag gaat op data uit de praktijk. Je laadt, verkent en visualiseert een gegevensset met enquête-antwoorden en leert zo over de onderliggende datatypes en waarom die bepalen hoe je je features moet engineeren. Met het pakket pandas maak je nieuwe features op basis van zowel categorische als continue kolommen.
Hoofdstuk beginnen
2

Werken met rommelige data

Dit hoofdstuk laat je kennismaken met de realiteit van rommelige en onvolledige data. Je leert waar je data ontbrekende waarden heeft en verkent meerdere manieren om daarmee om te gaan. Je gebruikt ook stringbewerkingen om ongewenste tekens in je gegevensset op te schonen.
Hoofdstuk beginnen
4

Werken met tekstdata

Tot slot werk je in dit hoofdstuk met ongestructureerde tekstdata en ontdek je manieren om kolomfeatures te maken uit een tekstcorpus. Je vergelijkt hoe verschillende aanpakken beïnvloeden hoeveel context uit tekst wordt gehaald en hoe je de behoefte aan context in balans houdt zonder te veel features te creëren.
Hoofdstuk beginnen
Feature engineering voor Machine Learning in Python
Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprek
Schrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Feature engineering voor Machine Learning in Python!

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of


Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.