After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Każdego dnia pojawiają się doniesienia o przełomowych zastosowaniach uczenia maszynowego, które zmieniają świat. Często pomija się jednak fakt, że zanim skorzysta się z jakiegokolwiek zaawansowanego modelu, konieczne jest żmudne przetwarzanie danych i inżynieria cech. W tym kursie nauczysz się robić dokładnie to. Będziesz pracować z wynikami ankiety dla programistów Stack Overflow oraz historycznymi przemówieniami inauguracyjnymi prezydentów USA, aby zrozumieć, jak najlepiej przetwarzać i tworzyć cechy z danych kategorycznych, ciągłych i nieustrukturyzowanych. Kurs da ci praktyczne doświadczenie w przygotowywaniu danych do własnych modeli uczenia maszynowego.
Wymagania wstępne
Program kursu
Plan kursu
1
Tworzenie cech
W tym rozdziale poznasz podstawy inżynierii cech i dowiesz się, jak zacząć stosować ją w praktyce. Załadujesz, przeanalizujesz i zwizualizujesz zbiór danych z odpowiedziami ankietowymi, poznając przy tym ich typy danych i rozumiejąc, dlaczego mają one wpływ na sposób tworzenia cech. Korzystając z biblioteki pandas, stworzysz nowe cechy zarówno z kolumn kategorycznych, jak i ciągłych.
2
Praca z niekompletnymi danymi
Ten rozdział wprowadza cię w realia pracy z niekompletnymi i nieuporządkowanymi danymi. Dowiesz się, jak wykrywać brakujące wartości i poznasz różne sposoby radzenia sobie z nimi. Nauczysz się też korzystać z technik manipulacji ciągami znaków, aby usuwać niechciane znaki ze zbioru danych.
3
Dostosowywanie danych do założeń statystycznych
W tym rozdziale skupisz się na analizie rozkładu swoich danych i ocenie, czy może on negatywnie wpłynąć na potok uczenia maszynowego. Nauczysz się, jak radzić sobie z asymetrycznymi rozkładami oraz sytuacjami, w których wartości odstające mogą zakłócać analizę.
4
Praca z danymi tekstowymi
W ostatnim rozdziale zajmiesz się nieustrukturyzowanymi danymi tekstowymi i poznasz sposoby na tworzenie z nich cech kolumnowych. Porównasz różne podejścia pod kątem ilości kontekstu wyodrębnianego z tekstu i nauczysz się balansować między zachowaniem kontekstu a unikaniem nadmiernej liczby tworzonych cech.
Inżynieria cech w uczeniu maszynowym w Pythonie
Kurs
ukończony
