Feature Engineering for Machine Learning
Corso
Online
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Descrizione
-
Tipologia
Corso
-
Metodologia
Online
-
Inizio
Scegli data
feature Engineering è il processo di selezione e trasformazione dei dati per migliorare l'accuratezza degli algoritmi di machine learning. Richiede una profonda familiarità con i dati da parte di un esperto di materia.
questa formazione diretta da istruttore (in loco o a distanza) è rivolta a persone che desiderano applicare tecniche di progettazione di funzionalità per elaborare meglio i dati e ottenere modelli di Machine Learning migliori.
entro la fine di questa formazione, i partecipanti saranno in grado di:
impostare un ambiente di sviluppo ottimale, compresi tutti i pacchetti Python necessari.
ottenere informazioni importanti analizzando le funzionalità di un set di dati.
ottimizza i modelli di machine learning attraverso l'adattamento dei dati grezzi stessi.
Clean e trasformare set di dati in preparazione per Machine Learning.
formato del corso
conferenza interattiva e discussione.
un sacco di esercizi e pratica.
implementazione hands-on in un ambiente lab Live.
Opzioni di personalizzazione del corso
per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
Machine Translated
Sedi e date
Luogo
Inizio del corso
Inizio del corso
Profilo del corso
Python programming experience.
Experience with Numpy, Pandas and scikit-learn.
Familiarity with Machine Learning algorithms.
Audience
Developers
Data scientists
Data analysts
Opinioni
Materie
- E-learning
- Python
Programma
Introduction
- Building effective algorithms in pattern recognition, classification and regression.
Setting up the Development Environment
- Python libraries
- Online vs offline editors
Overview of Feature Engineering
- Input and output variables (features)
- Pros and cons of feature engineering
Types of Problems Encountered in Raw Data
- Unclean data, missing data, etc.
Pre-Processing Variables
- Dealing with missing data
Handling Missing Values in the Data
Working with Categorical Variables
Converting Labels into Numbers
Handling Labels in Categorical Variables
Transforming Variables to Improve Predictive Power
- Numerical, categorical, date, etc.
Cleaning a Data Set
Machine Learning Modelling
Handling Outliers in Data
- Numerical variables, categorical variables, etc.
Summary and Conclusion
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Feature Engineering for Machine Learning