Основы машинного обучения

Исходные данные редко хорошо работают непосредственно в моделях машинного обучения. Качество и актуальность ваших признаков в конечном итоге определяют производительность и успех вашей окончательной модели. Этот курс поможет вам освоить систематический процесс разработки признаков, а также навыки очистки, преобразования и выбора оптимальных переменных, необходимых для создания мощных и эффективных решений машинного обучения. Что вы узнаете: * Понимание жизненного цикла подготовки данных и критической роли инженерии особенностей в конвейере машинного обучения. * Применять основные методы для обработки недостающих значений и выявления отклонений в различных типах данных. * Освоить различные методы кодирования и масштабирования, включая нормализацию и усовершенствованную категориальную обработку данных, для подготовки объектов к моделированию. * Практика получения новых, информативных признаков из существующих переменных, включая основные методы для временных рядов и текстовых данных. * Настройка основных методов выбора признаков для уменьшения размерности, предотвращения перенастройки и улучшения интерпретируемости модели. Мы начинаем с основных концепций и исследования данных, быстро переходя к практическим методам преобразования и уточнения данных. Мы завершаем обсуждением стратегий отбора признаков, необходимых для обучения эффективных и высокопроизводительных моделей. Этот курс предназначен для абсолютно начинающих, заинтересованных в науке данных или машинном обучении, которым необходим прочный фундамент в подготовке данной. Не требуется предварительного знания машинного обучения. Начните освоение самого важного этапа в процессе машинного обучения уже сегодня.