Programa do Curso
Introdução
- Construção de algoritmos eficazes no reconhecimento de padrões, classificação e regressão.
Configurar o ambiente de desenvolvimento
- Python bibliotecas
- Editores online vs offline
Síntese da engenharia de características
- Variáveis de entrada e de saída (características)
- Prós e contras da engenharia de características
Tipos de problemas encontrados nos dados em bruto
- Dados não limpos, dados em falta, etc.
Variáveis de pré-processamento
- Lidar com dados em falta
Tratamento de valores em falta nos dados
Trabalhar com variáveis categóricas
Conversão de etiquetas em números
Tratamento de rótulos em variáveis categóricas
Transformar variáveis para melhorar a capacidade de previsão
- Numérico, categórico, data, etc.
Limpeza de um conjunto de dados
Machine Learning Modelação
Tratamento de valores anómalos nos dados
- Variáveis numéricas, variáveis categóricas, etc.
Resumo e conclusão
Requisitos
- Python experiência em programação.
- Experiência com Numpy, Pandas e scikit-learn.
- Familiaridade com algoritmos de Machine Learning.
Público
- Desenvolvedores
- Cientistas de dados
- Analistas de dados
Declaração de Clientes (2)
Szkolenie rewelacyjne, jedno z najlepszych, na jakich bylem! Prowadzacy Rafal doskonale odpowiadal w zakresie poruuszanych zagadnien, bardzo dokladnie tlumaczyl wszystkie metody. Jestem bardzo zadowolony i chetnie ponownie skorzystam ze szkolenia prowadzonego przez tego szkoleniowca.
Darek Paszkowski - Orange Szkolenia Sp. z o.o.
Curso - Feature Engineering for Machine Learning
Rysunki na flipcharcie, całe szkolenie.