Pular para o conteúdo principal
InícioPython

Curso

Feature Engineering for Machine Learning in Python

IntermediárioNível de habilidade
Atualizado 02/2023
Crie novos atributos para melhorar o desempenho dos seus modelos de aprendizado de máquina.
Iniciar curso gratuitamente
PythonMachine Learning
4 h
16 vídeos
53 Exercícios
4,350 XP
38,881
Declaração de realização

Crie sua conta gratuita

Continuar com o GoogleMostrar mais opções

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.

Preferido por alunos de milhares de empresas

Group

Treinando uma equipe?

Experimente para Empresas

Descrição do curso

Todo dia você lê sobre avanços incríveis e como as aplicações mais recentes de Machine Learning estão mudando o mundo. Muitas vezes, essas matérias deixam de lado o fato de que é preciso fazer um grande trabalho de preparação de dados e engenharia de atributos antes de usar qualquer um desses modelos sofisticados. Neste curso, você vai aprender exatamente isso. Você vai trabalhar com a pesquisa de desenvolvedores do Stack Overflow e com discursos históricos de posse de presidentes dos EUA para entender como pré-processar e criar atributos a partir de dados categóricos, contínuos e não estruturados. Este curso oferece prática direta de como preparar qualquer dado para seus próprios modelos de Machine Learning.

Pré-requisitos

Supervised Learning with scikit-learn
1

Criando atributos

Neste capítulo, você vai explorar o que é engenharia de atributos e como começar a aplicá-la em dados do mundo real. Você vai carregar, explorar e visualizar um conjunto de respostas de pesquisa e, com isso, entender os tipos de dados subjacentes e por que eles influenciam a forma como você deve criar seus atributos. Usando o pacote pandas, você vai criar novos atributos a partir de colunas categóricas e contínuas.
Iniciar capítulo
2

Lidando com dados bagunçados

Este capítulo apresenta a realidade de dados bagunçados e incompletos. Você vai aprender a encontrar onde seus dados têm valores ausentes e explorar várias abordagens para tratá-los. Você também usará técnicas de manipulação de strings para lidar com caracteres indesejados no seu conjunto de dados.
Iniciar capítulo
3

Conformidade com pressupostos estatísticos

Neste capítulo, o foco é analisar a distribuição subjacente dos seus dados e se ela impactará seu pipeline de Machine Learning. Você vai aprender a lidar com dados assimétricos e situações em que outliers podem estar prejudicando sua análise.
Iniciar capítulo
4

Trabalhando com dados de texto

Por fim, neste capítulo, você vai trabalhar com dados de texto não estruturados, entendendo maneiras de extrair atributos em colunas a partir de um corpus de texto. Você vai comparar como diferentes abordagens podem impactar o quanto de contexto é extraído de um texto e como equilibrar a necessidade de contexto sem criar atributos em excesso.
Iniciar capítulo
Feature Engineering for Machine Learning in Python
Curso
concluído

Obtenha um certificado de conclusão

Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CV
Compartilhe nas redes sociais e em sua avaliação de desempenhoInscreva-se agora

    Faça como mais de 19 milhões de alunos e comece Feature Engineering for Machine Learning in Python hoje mesmo!

    Crie sua conta gratuita

    Continuar com o GoogleMostrar mais opções

    ou

    Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.

    Desenvolva suas habilidades em dados com o app do DataCamp

    Continue progredindo em qualquer lugar com nossos cursos para celular e desafios diários de programação de 5 minutos.