Sau khi hoàn thành các khóa học này, tôi cảm thấy tự tin khi tạo các trực quan hóa và bảng điều khiển chuyên nghiệp
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Thế giới thực rất lộn xộn và nhiệm vụ của bạn là tìm ra ý nghĩa từ đó. Các bộ dữ liệu đồ chơi như MTCars và Iris là kết quả của việc tuyển chọn và làm sạch cẩn thận, nhưng ngay cả vậy dữ liệu vẫn cần được biến đổi để các thuật toán Machine Learning mạnh mẽ có thể rút trích ý nghĩa, dự báo, phân loại hoặc phân cụm. Khóa học này sẽ đi sâu vào những chi tiết thực tế mà các nhà khoa học dữ liệu dành 70–80% thời gian cho chúng: xử lý dữ liệu và xây dựng đặc trưng (feature engineering). Khi kích thước dữ liệu ngày càng lớn, hãy dùng PySpark để thu nhỏ bài toán Big Data này về mức vừa tầm!
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Phân tích Khám phá Dữ liệu
Hiểu sơ bộ về vấn đề của bạn trước khi bắt tay vào làm! Sau đó học cách kiểm tra bộ dữ liệu bằng thống kê và trực quan!
- Bắt đầu từ đâu50 XP
- Bắt đầu từ đâu?50 XP
- Kiểm tra phiên bản100 XP
- Nạp dữ liệu100 XP
- Xác định vấn đề50 XP
- Chúng ta đang dự đoán điều gì?100 XP
- Xác minh việc nạp dữ liệu100 XP
- Xác minh DataType100 XP
- Khám phá dữ liệu bằng trực quan hóa / EDA50 XP
- Sử dụng Corr()100 XP
- Sử dụng trực quan hóa: distplot100 XP
- Sử dụng trực quan hóa: lmplot100 XP
2
Xử lý dữ liệu với các hàm Spark
Dữ liệu thực hiếm khi sạch và sẵn sàng để phân tích. Trong chương này, bạn sẽ học cách loại bỏ thông tin không cần thiết, xử lý giá trị khuyết và bổ sung dữ liệu để phục vụ phân tích.
3
Feature Engineering
Trong chương này, bạn sẽ học cách tạo ra các đặc trưng mới để mô hình Machine Learning học hỏi. Chúng ta sẽ xem cách tạo đặc trưng bằng cách kết hợp các trường, trích xuất giá trị từ các cột lộn xộn hoặc mã hóa chúng để có kết quả tốt hơn.
4
Xây dựng Mô hình
Trong chương này, chúng ta sẽ học cách chọn loại mô hình phù hợp. Tiếp đó, bạn sẽ học cách đưa dữ liệu vào mô hình và đánh giá nó. Cuối cùng, chúng ta sẽ học cách diễn giải kết quả và lưu mô hình để dùng sau!
Feature Engineering với PySpark
Hoàn
thành khóa học
