Build your ultimate AI agent
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
โครงสร้างคอร์ส
1
การสร้าง Feature
ในบทนี้ คุณจะสำรวจว่า feature engineering คืออะไร และเริ่มต้นนำไปใช้กับข้อมูลจริงอย่างไร จะได้โหลด สำรวจ และแสดงภาพชุดข้อมูลผลสำรวจ พร้อมเรียนรู้เกี่ยวกับประเภทข้อมูลพื้นฐานและเหตุผลที่ประเภทข้อมูลมีผลต่อการสร้าง feature จากนั้นจะใช้ไลบรารี pandas เพื่อสร้าง feature ใหม่จากทั้งคอลัมน์ประเภทหมวดหมู่และประเภทต่อเนื่อง
2
การจัดการข้อมูลที่ไม่สมบูรณ์
บทนี้จะพาคุณเข้าสู่ความเป็นจริงของข้อมูลที่ไม่เป็นระเบียบและไม่สมบูรณ์ คุณจะเรียนรู้วิธีตรวจหาค่าที่หายไปในข้อมูล และสำรวจแนวทางต่าง ๆ ในการจัดการกับค่าเหล่านั้น รวมถึงใช้เทคนิคการจัดการสตริงเพื่อกำจัดอักขระที่ไม่ต้องการออกจากชุดข้อมูล
3
การปรับข้อมูลให้สอดคล้องกับข้อสมมติทางสถิติ
ในบทนี้ คุณจะมุ่งเน้นการวิเคราะห์การกระจายตัวของข้อมูล และประเมินว่าการกระจายตัวดังกล่าวจะส่งผลต่อ pipeline ของ machine learning อย่างไร คุณจะเรียนรู้วิธีจัดการกับข้อมูลที่มีความเบ้ และสถานการณ์ที่ค่าผิดปกติ (outlier) อาจส่งผลเสียต่อการวิเคราะห์
4
การจัดการข้อมูลข้อความ
ในบทสุดท้ายนี้ คุณจะทำงานกับข้อมูลข้อความที่ไม่มีโครงสร้าง โดยเรียนรู้วิธีสร้าง feature เป็นคอลัมน์จากกลุ่มข้อความ (text corpus) จะได้เปรียบเทียบว่าแต่ละแนวทางส่งผลต่อปริมาณบริบทที่ดึงออกมาได้อย่างไร และวิธีสร้างสมดุลระหว่างความต้องการบริบทกับจำนวน feature ที่สร้างขึ้น
Feature Engineering สำหรับ Machine Learning ใน Python
เรียนจบแล้ว

