ข้ามไปยังเนื้อหาหลัก

คอร์สฟรี

Feature Engineering สำหรับ Machine Learning ใน Python

ขั้นกลาง4 ชม.

สร้างฟีเจอร์ใหม่เพื่อปรับปรุงประสิทธิภาพของโมเดล Machine Learning ของคุณ

Python4 ชม.หนังสือรับรองความสำเร็จ

สร้างบัญชีฟรีของคุณ

ดำเนินการต่อด้วย Google
หรือ
เมื่อดำเนินการต่อ ถือว่าคุณยอมรับ ข้อกำหนดการใช้งานและ นโยบายความเป็นส่วนตัว และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บในสหรัฐอเมริกา

ได้รับความไว้วางใจจากผู้เรียนในบริษัทหลายพันแห่ง

กำลังฝึกอบรมทีมอยู่ใช่ไหม?

ทดลองใช้สำหรับองค์กร →

รายละเอียดคอร์ส

ทุกวันเราได้ยินข่าวความก้าวหน้าของ machine learning ที่กำลังเปลี่ยนโลก แต่สิ่งที่มักถูกมองข้ามคือกระบวนการจัดการข้อมูลและ feature engineering จำนวนมากที่ต้องทำก่อนจะนำโมเดลเหล่านั้นไปใช้งานจริง ในคอร์สนี้ คุณจะได้เรียนรู้กระบวนการดังกล่าวอย่างละเอียด โดยจะทำงานกับข้อมูลจากแบบสำรวจนักพัฒนาของ Stack Overflow และสุนทรพจน์เข้ารับตำแหน่งประธานาธิบดีสหรัฐฯ เพื่อทำความเข้าใจวิธีการ preprocess และสร้าง feature จากข้อมูลประเภทหมวดหมู่ ข้อมูลต่อเนื่อง และข้อมูลไม่มีโครงสร้าง คอร์สนี้จะให้ประสบการณ์ลงมือปฏิบัติจริง เพื่อเตรียมข้อมูลสำหรับโมเดล machine learning ของคุณเอง

ข้อกำหนดเบื้องต้น

หลักสูตร

โครงร่างคอร์ส

1

การสร้าง Feature

ในบทนี้ คุณจะสำรวจว่า feature engineering คืออะไร และเริ่มต้นนำไปใช้กับข้อมูลจริงอย่างไร จะได้โหลด สำรวจ และแสดงภาพชุดข้อมูลผลสำรวจ พร้อมเรียนรู้เกี่ยวกับประเภทข้อมูลพื้นฐานและเหตุผลที่ประเภทข้อมูลมีผลต่อการสร้าง feature จากนั้นจะใช้ไลบรารี pandas เพื่อสร้าง feature ใหม่จากทั้งคอลัมน์ประเภทหมวดหมู่และประเภทต่อเนื่อง
เริ่มบท
2

การจัดการข้อมูลที่ไม่สมบูรณ์

บทนี้จะพาคุณเข้าสู่ความเป็นจริงของข้อมูลที่ไม่เป็นระเบียบและไม่สมบูรณ์ คุณจะเรียนรู้วิธีตรวจหาค่าที่หายไปในข้อมูล และสำรวจแนวทางต่าง ๆ ในการจัดการกับค่าเหล่านั้น รวมถึงใช้เทคนิคการจัดการสตริงเพื่อกำจัดอักขระที่ไม่ต้องการออกจากชุดข้อมูล
เริ่มบท
3

การปรับข้อมูลให้สอดคล้องกับข้อสมมติทางสถิติ

ในบทนี้ คุณจะมุ่งเน้นการวิเคราะห์การกระจายตัวของข้อมูล และประเมินว่าการกระจายตัวดังกล่าวจะส่งผลต่อ pipeline ของ machine learning อย่างไร คุณจะเรียนรู้วิธีจัดการกับข้อมูลที่มีความเบ้ และสถานการณ์ที่ค่าผิดปกติ (outlier) อาจส่งผลเสียต่อการวิเคราะห์
เริ่มบท
4

การจัดการข้อมูลข้อความ

ในบทสุดท้ายนี้ คุณจะทำงานกับข้อมูลข้อความที่ไม่มีโครงสร้าง โดยเรียนรู้วิธีสร้าง feature เป็นคอลัมน์จากกลุ่มข้อความ (text corpus) จะได้เปรียบเทียบว่าแต่ละแนวทางส่งผลต่อปริมาณบริบทที่ดึงออกมาได้อย่างไร และวิธีสร้างสมดุลระหว่างความต้องการบริบทกับจำนวน feature ที่สร้างขึ้น
เริ่มบท

Feature Engineering สำหรับ Machine Learning ใน Python

เรียนคอร์สจบแล้ว

รับใบรับรองความสำเร็จ

ลงทะเบียนเลย

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

เรียนรู้ได้ทุกที่ด้วยคอร์สบนมือถือและโจทย์เขียนโค้ด 5 นาทีประจำวัน