Bu kursları tamamladıktan sonra profesyonel görselleştirmeler ve panolar oluşturma konusunda kendime güveniyorum
Shoebur RahmanSatın Alma Uzmanı, Giz Bangladesh
Kurs Açıklaması
Her gün, Machine Learning'in en yeni uygulamalarının dünyayı nasıl değiştirdiğine dair etkileyici gelişmeleri okuyorsun. Bu haberler çoğu zaman, bu gelişmiş modeller kullanılmadan önce çok büyük ölçüde veri hazırlama ve özellik mühendisliği yapılması gerektiği gerçeğini göz ardı eder. Bu kursta tam da bunu nasıl yapacağını öğreneceksin. Stack Overflow Geliştiricileri anketi ve geçmiş ABD başkanlık yemin töreni konuşmalarıyla çalışarak, kategorik, sürekli ve yapılandırılmamış verilerden özellikleri en iyi nasıl ön işleyip tasarlayacağını anlayacaksın. Bu kurs, kendi Machine Learning modellerin için herhangi bir veriyi nasıl hazırlayacağına dair uygulamalı deneyim kazandıracak.
Ön Koşullar
Müfredat
Kurs planı
1
Özellik Oluşturma
Bu bölümde, özellik mühendisliğinin ne olduğunu ve bunu gerçek dünya verilerine nasıl uygulamaya başlayacağını keşfedeceksin. Bir anket yanıt veri kümesini yükleyip inceleyecek ve görselleştireceksin; bunu yaparken altta yatan veri tiplerini ve bunların özelliklerini nasıl tasarlaman gerektiğini neden etkilediğini öğreneceksin. pandas paketini kullanarak hem kategorik hem de sürekli sütunlardan yeni özellikler oluşturacaksın.
- Neden özellik üretiyoruz?50 XP
- Verini tanı100 XP
- Belirli veri tiplerini seçme100 XP
- Kategorik özelliklerle çalışmak50 XP
- One-hot encoding ve kukla değişkenler100 XP
- Nadir kategorilerle başa çıkma100 XP
- Sayısal değişkenler50 XP
- Sütunları ikili değerlere dönüştürme100 XP
- Değerleri bölmelere ayırma (binning)100 XP
2
Dağınık Verilerle Başa Çıkma
Bu bölüm, dağınık ve eksik verilerin gerçekliğiyle seni tanıştırıyor. Verinde eksik değerlerin nerede olduğunu bulmayı ve onlarla nasıl başa çıkacağına dair birden çok yaklaşımı keşfetmeyi öğreneceksin. Ayrıca veri küpendeki istenmeyen karakterlerle başa çıkmak için dize (string) işleme tekniklerini kullanacaksın.
3
İstatistiksel Varsayımlara Uyum Sağlama
Bu bölümde, verinin altta yatan dağılımını ve bunun Machine Learning sürecini etkileyip etkilemeyeceğini analiz etmeye odaklanacaksın. Çarpık dağılımlarla ve aykırı değerlerin analizini olumsuz etkileyebileceği durumlarla nasıl başa çıkacağını öğreneceksin.
4
Metin Verileriyle Çalışma
Son olarak, bu bölümde yapılandırılmamış metin verileriyle çalışacak ve bir metin derlemesinden sütun türünde özellikler üretmenin yollarını anlayacaksın. Farklı yaklaşımların metinden ne kadar bağlam çıkarıldığını nasıl etkileyebileceğini ve çok fazla özellik oluşturmadan bağlam ihtiyacını nasıl dengeleyeceğini karşılaştıracaksın.
Python ile Machine Learning için Özellik Mühendisliği
Kurs
Tamamlandı
