Feature Engineering with PySpark

โลกความเป็นจริงเต็มไปด้วยความซับซ้อน และงานของเราคือทำให้มันสมเหตุสมผล ชุดข้อมูลตัวอย่างอย่าง MTCars และ Iris ผ่านการคัดสรรและทำความสะอาดมาอย่างดีแล้ว แต่แม้กระนั้นก็ยังต้องแปลงข้อมูลให้อยู่ในรูปแบบที่เหมาะสมก่อนที่อัลกอริทึม machine learning จะดึงข้อมูลเชิงลึก พยากรณ์ จำแนก หรือจัดกลุ่มได้อย่างมีประสิทธิภาพ คอร์สนี้จะเจาะลึกในรายละเอียดที่นักวิทยาศาสตร์ข้อมูลใช้เวลาถึง 70-80% ของการทำงาน นั่นคือ การจัดการข้อมูลและ feature engineering เมื่อชุดข้อมูลมีขนาดใหญ่ขึ้นเรื่อย ๆ มาใช้ PySpark เพื่อจัดการกับปัญหา Big Data นี้กันเถอะ!