Name: การเตรียมข้อมูลสำหรับ Machine Learning ด้วย Python
Rating: 4.7949308755760365 (434 reviews)

รายละเอียดคอร์ส

คอร์สนี้ครอบคลุมพื้นฐานของการเตรียมข้อมูล (data preprocessing) รวมถึงวิธีการและสถานการณ์ที่ควรนำไปใช้ ขั้นตอนสำคัญนี้ในทุกโปรเจกต์ Machine Learning คือช่วงที่เตรียมข้อมูลให้พร้อมสำหรับการสร้างโมเดล โดย preprocessing จะเกิดขึ้นระหว่างการนำเข้าและทำความสะอาดข้อมูล กับการ fit โมเดล Machine Learning จะได้เรียนรู้วิธีทำ standardization เพื่อให้ข้อมูลอยู่ในรูปแบบที่เหมาะสมกับโมเดล การสร้าง feature ใหม่เพื่อดึงประโยชน์สูงสุดจากชุดข้อมูล และการเลือก feature ที่ดีที่สุดเพื่อปรับปรุงประสิทธิภาพของโมเดล ท้ายที่สุด จะได้ฝึกใช้เทคนิคเหล่านี้กับชุดข้อมูลการพบเห็น UFO เพื่อเตรียมข้อมูลสำหรับการสร้างโมเดล

ข้อกำหนดเบื้องต้น

Cleaning Data in Python Supervised Learning with scikit-learn

หลักสูตร

โครงสร้างคอร์ส

บทนำสู่การเตรียมข้อมูล

ในบทนี้จะได้เรียนรู้ความหมายที่แท้จริงของการเตรียมข้อมูล พร้อมทั้งเริ่มต้นขั้นตอนแรกของกระบวนการ preprocessing ไม่ว่าจะเป็นการสำรวจประเภทข้อมูลและการจัดการกับข้อมูลที่หายไป

เริ่มบทเรียน

การทำ Standardization ข้อมูล

บทนี้เน้นเรื่องการทำ standardization ข้อมูล โมเดลมักมีข้อสมมติเกี่ยวกับการกระจายหรือสเกลของ feature ดังนั้น standardization จึงเป็นวิธีปรับข้อมูลให้สอดคล้องกับข้อสมมติเหล่านั้น และช่วยเพิ่มประสิทธิภาพของอัลกอริทึม

เริ่มบทเรียน

Feature Engineering

ในส่วนนี้จะได้เรียนรู้เกี่ยวกับ feature engineering โดยสำรวจวิธีต่าง ๆ ในการสร้าง feature ใหม่ที่มีประโยชน์มากขึ้นจาก feature ที่มีอยู่แล้วในชุดข้อมูล รวมถึงวิธีการ encode, aggregate และดึงข้อมูลจาก feature ทั้งในรูปแบบตัวเลขและข้อความ

เริ่มบทเรียน

การเลือก Feature สำหรับการสร้างโมเดล

บทนี้กล่าวถึงเทคนิคต่าง ๆ สำหรับการเลือก feature ที่สำคัญที่สุดจากชุดข้อมูล จะได้เรียนรู้วิธีลบ feature ที่ซ้ำซ้อน การทำงานกับ text vector และการลดจำนวน feature โดยใช้การวิเคราะห์องค์ประกอบหลัก (PCA)