Plan du cours
Introduction
- Construction d'algorithmes efficaces pour la reconnaissance des formes, la classification et la régression.
Mise en place de l'environnement de développement
- Python bibliothèques
- Éditeurs en ligne et hors ligne
Vue d'ensemble de l'ingénierie des fonctionnalités
- Variables d'entrée et de sortie (caractéristiques)
- Avantages et inconvénients de l'ingénierie des caractéristiques
Types de problèmes rencontrés dans les données brutes
- Données impures, données manquantes, etc.
Variables de prétraitement
- Traitement des données manquantes
Traitement des valeurs manquantes dans les données
Travailler avec des variables catégorielles
Conversion des étiquettes en nombres
Traitement des étiquettes dans les variables catégorielles
Transformer les variables pour améliorer le pouvoir prédictif
- Numérique, catégorique, date, etc.
Nettoyage d'un ensemble de données
Machine Learning Modélisation
Traitement des écarts dans les données
- Variables numériques, variables catégorielles, etc.
Résumé et conclusion
Pré requis
- Python expérience en programmation.
- Expérience avec Numpy, Pandas et scikit-learn.
- Familiarité avec les algorithmes d'apprentissage automatique.
Audience
- Développeurs
- Data scientists
- Analystes de données
Nos Clients témoignent (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.
Formation - Feature Engineering for Machine Learning
Rysunki na flipcharcie, całe szkolenie.