Ingénierie pratique des fonctionnalités pour l'apprentissage automatique

Vous avez du mal à améliorer les performances de votre modèle? La réponse ne réside souvent pas dans l'algorithme, mais dans les fonctionnalités que vous lui fournissez. Ce cours fournit une base pratique en ingénierie des fonctionnalités.Vous apprendrez à nettoyer, transformer et créer systématiquement de nouvelles variables à partir d'ensembles de données brutes, en les transformant en un format que les algorithmes d'apprentissage automatique peuvent comprendre et exploiter pour de meilleures prédictions. À la fin, vous aurez les compétences nécessaires pour préparer n'importe quel ensemble de données pour vos projets ML. Ce que vous apprendrez: - Appliquer diverses techniques d'imputation pour gérer efficacement les données manquantes. - Convertir des variables catégorielles en formats numériques en utilisant des méthodes d'encodage one-hot, ordinal et autres. - Identifiez et gérez les valeurs aberrantes pour les empêcher de fausser les performances de votre modèle. - Créez de nouvelles fonctionnalités puissantes à partir de types de données complexes tels que les dates et les heures. - Transformez les variables continues en bacs discrets par discrétisation et mise à l'échelle. - Créez des pipelines de prétraitement réutilisables pour rationaliser votre flux de travail d'ingénierie des fonctionnalités. Le cours commence par la terminologie et les concepts de base, puis progresse à travers des techniques pratiques pour chaque type de transformation de données.Vous pratiquerez chaque méthode à travers des explications écrites claires et des exercices ciblés. Ce cours est conçu pour les débutants en apprentissage automatique.Aucune expérience préalable en ingénierie des fonctionnalités n'est requise, bien qu'une connaissance de base de Python et des concepts fondamentaux de ML soit utile. Commencez à apprendre dès aujourd'hui et libérez le véritable potentiel de vos données.