Na het volgen van deze cursussen voel ik me zeker genoeg om professionele visualisaties en dashboards te maken
Shoebur RahmanInkoopspecialist, Giz Bangladesh
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
Lesprogramma
Cursusoverzicht
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.
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.
3
Voldoen aan statistische aannames
In dit hoofdstuk richt je je op het analyseren van de onderliggende verdeling van je data en of die invloed heeft op je Machine Learning-pijplijn. Je leert hoe je omgaat met scheve data en met situaties waarin uitschieters je analyse negatief kunnen beïnvloeden.
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.
Feature engineering voor Machine Learning in Python
Cursus
voltooid
