- Регистрация
- 22 Февраль 2018
- Сообщения
- 11.997
Автор: Udemy
Название: Feature Engineering For Data Science & Machine Learning A-Z (2022)
Описание:
Построение моделей машинного обучения важно, но важнее то, насколько хорошо вы подготовите свои данные для построения этих моделей.
Согласно Forbes: «60% времени Data Scientist или Data Analyst тратится на очистку и организацию данных…»
В этом курсе вы не только познакомитесь со стратегиями отраслевого уровня, но и продемонстрируете их на практике для лучшего понимания.
Этот курс был практически и тщательно разработан отраслевыми экспертами, чтобы отразить реальный сценарий работы с беспорядочными данными.
Этот курс поможет вам изучить сложные методы и концепции анализа данных для облегчения понимания и манипулирования данными.
Мы проведем вас шаг за шагом по каждой теме, объясняя каждую строку кода для вашего понимания.
Этот курс был построен в следующей форме:
- Как правильно работать с типами данных в Python
- Как правильно работать с датой и временем в Python
- Как правильно работать с пропущенными значениями
- Как правильно работать с выбросами
- Как правильно справляться с дисбалансом данных
- Как правильно бороться с утечкой данных
- Как правильно обращаться с категориальными значениями
- Настройка гиперпараметров машинного обучения и производительность режима
- Различные методы разработки функций, включая:- Кодирование функций
- Масштабирование функций
- Преобразование функции
- Нормализация функций
- Инструменты EDA для автоматизированных функций- профилирование панд
- Дора
- Автовиз
- Свитвиз
- Автоматизированная разработка функций- RFECV
- FeatureTools
- Выбор функций
- Автопобеда
Этот курс направлен на то, чтобы помочь новичкам, а также аналитикам данных среднего уровня, студентам, бизнес-аналитикам, специалистам по науке о данных и энтузиастам машинного обучения освоить основы уверенной работы с данными в реальном мире.
Для кого этот курс:
- Любой, кто готов научиться справляться со сложными проблемами машинного обучения, такими как дисбаланс данных, утечка данных, от базового до продвинутого проектирования функций и т. д.,
- Всем, кто хочет научиться профессиональной обработке данных
- Любой учащийся, заинтересованный в том, чтобы научиться готовить данные для построения моделей машинного обучения.
- Заинтересованы в изучении методов работы с беспорядочными данными
Требования
- Этот курс представляет собой курс для начального уровня с пошаговым прохождением.
- Никаких особых предпосылок не требуется
Материал на английском языке
Подробнее:
Скачать:
Название: Feature Engineering For Data Science & Machine Learning A-Z (2022)
Описание:
Построение моделей машинного обучения важно, но важнее то, насколько хорошо вы подготовите свои данные для построения этих моделей.
Согласно Forbes: «60% времени Data Scientist или Data Analyst тратится на очистку и организацию данных…»
В этом курсе вы не только познакомитесь со стратегиями отраслевого уровня, но и продемонстрируете их на практике для лучшего понимания.
Этот курс был практически и тщательно разработан отраслевыми экспертами, чтобы отразить реальный сценарий работы с беспорядочными данными.
Этот курс поможет вам изучить сложные методы и концепции анализа данных для облегчения понимания и манипулирования данными.
Мы проведем вас шаг за шагом по каждой теме, объясняя каждую строку кода для вашего понимания.
Этот курс был построен в следующей форме:
- Как правильно работать с типами данных в Python
- Как правильно работать с датой и временем в Python
- Как правильно работать с пропущенными значениями
- Как правильно работать с выбросами
- Как правильно справляться с дисбалансом данных
- Как правильно бороться с утечкой данных
- Как правильно обращаться с категориальными значениями
- Настройка гиперпараметров машинного обучения и производительность режима
- Различные методы разработки функций, включая:- Кодирование функций
- Масштабирование функций
- Преобразование функции
- Нормализация функций
- Инструменты EDA для автоматизированных функций- профилирование панд
- Дора
- Автовиз
- Свитвиз
- Автоматизированная разработка функций- RFECV
- FeatureTools
- Выбор функций
- Автопобеда
Этот курс направлен на то, чтобы помочь новичкам, а также аналитикам данных среднего уровня, студентам, бизнес-аналитикам, специалистам по науке о данных и энтузиастам машинного обучения освоить основы уверенной работы с данными в реальном мире.
Для кого этот курс:
- Любой, кто готов научиться справляться со сложными проблемами машинного обучения, такими как дисбаланс данных, утечка данных, от базового до продвинутого проектирования функций и т. д.,
- Всем, кто хочет научиться профессиональной обработке данных
- Любой учащийся, заинтересованный в том, чтобы научиться готовить данные для построения моделей машинного обучения.
- Заинтересованы в изучении методов работы с беспорядочными данными
Требования
- Этот курс представляет собой курс для начального уровня с пошаговым прохождением.
- Никаких особых предпосылок не требуется
Материал на английском языке
Подробнее:
Для просмотра содержимого вам необходимо авторизоваться.
Скачать:
Скрытое содержимое могут видеть только члены группы Премиум.
Скрытый контент для пользователей All-dar.