Course Outline
Introductie
- Het bouwen van effectieve algoritmen op het gebied van patroonherkenning, classificatie en regressie.
Opzetten van de ontwikkelomgeving
- Python Bibliotheken
- Online versus offline editors
Overzicht van Feature Engineering
- Invoer- en uitvoervariabelen (functies)
- Voors en tegens van feature engineering
Soorten problemen die zich voordoen in onbewerkte gegevens
- Onzuivere gegevens, ontbrekende gegevens, enz.
Variabelen voor voorbewerking
- Omgaan met ontbrekende gegevens
Omgaan met ontbrekende waarden in de gegevens
Werken met categorische variabelen
Labels converteren naar getallen
Omgaan met labels in categorische variabelen
Variabelen transformeren om het voorspellend vermogen te verbeteren
- Numeriek, categorisch, datum, enz.
Een gegevensset opschonen
Machine Learning Modellering
Omgaan met uitschieters in data
- Numerieke variabelen, categorische variabelen, enz.
Samenvatting en conclusie
Requirements
- Python programmeerervaring.
- Ervaring met Numpy, Panda's en scikit-learn.
- Bekendheid met Machine Learning-algoritmen.
Publiek
- Ontwikkelaars
- Datawetenschappers
- Data-analisten
Getuigenissen (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.
Cursus - Feature Engineering for Machine Learning
Rysunki na flipcharcie, całe szkolenie.