Kursplan
Införandet
- Bygga effektiva algoritmer inom mönsterigenkänning, klassificering och regression.
Konfigurera utvecklingsmiljön
- Python Bibliotek
- Online- och offlineredigerare
Översikt över funktionsteknik
- Indata- och utdatavariabler (funktioner)
- För- och nackdelar med funktionsteknik
Typer av problem som påträffats i rådata
- Orena data, saknade data etc.
Variabler för förbearbetning
- Hantering av data som saknas
Hantera saknade värden i data
Arbeta med kategoriska variabler
Konvertera etiketter till siffror
Hantera etiketter i kategoriska variabler
Transformera variabler för att förbättra prediktiv kraft
- Numeriskt, kategoriskt, datum, etc.
Rensa en datamängd
Machine Learning Modellering
Hantera extremvärden i data
- Numeriska variabler, kategoriska variabler m.m.
Sammanfattning och slutsats
Krav
- Python erfarenhet av programmering.
- Erfarenhet av Numpy, Pandas och scikit-learn.
- Kännedom om maskininlärningsalgoritmer.
Publik
- Utvecklare
- Dataforskare
- Dataanalytiker
Vittnesmål (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.
Kurs - Feature Engineering for Machine Learning
Rysunki na flipcharcie, całe szkolenie.