План на курса
Въведение
- Изграждане на ефективни алгоритми за разпознаване на образи, класификация и регресия.
Създаване на среда за разработка
- Python библиотеки Онлайн срещу офлайн редактори
Преглед на инженерството на функциите
- Входни и изходни променливи (характеристики) Плюсове и минуси на проектирането на характеристики
Видове проблеми, срещани в необработените данни
- Нечисти данни, липсващи данни и др.
Променливи за предварителна обработка
- Справяне с липсващи данни
Обработка на липсващи стойности в данните
Работа с категориални променливи
Преобразуване на етикети в числа
Работа с етикети в категориални променливи
Трансформиране на променливи за подобряване на предсказващата сила
- Числен, категоричен, дата и др.
Почистване на набор от данни
Machine Learning Моделиране
Обработка на отклонения в данните
- Числени променливи, категорични променливи и др.
Обобщение и заключение
Изисквания
- Python опит в програмирането.
- Опит с Numpy, Pandas и scikit-learn.
- Познаване на алгоритмите за машинно обучение.
Публика
- Разработчици
- Учени по данни
- Анализатори на данни
Oтзиви от потребители (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.
Course - Feature Engineering for Machine Learning
Rysunki na flipcharcie, całe szkolenie.