Schulungsübersicht
Einführung
- Entwicklung wirksamer Algorithmen zur Mustererkennung, Klassifizierung und Regression.
Einrichten der Entwicklungsumgebung
- Python Bibliotheken
- Online- vs. Offline-Editoren
Überblick über das Feature Engineering
- Eingabe- und Ausgabevariablen (Merkmale)
- Vor- und Nachteile des Feature Engineering
Arten von Problemen, die in Rohdaten auftreten können
- Unreine Daten, fehlende Daten usw.
Vorverarbeitungsvariablen
- Umgang mit fehlenden Daten
Umgang mit fehlenden Werten in den Daten
Arbeiten mit kategorialen Variablen
Umwandlung von Etiketten in Zahlen
Umgang mit Beschriftungen in kategorialen Variablen
Transformieren von Variablen zur Verbesserung der Vorhersagekraft
- Numerisch, kategorisch, Datum, usw.
Bereinigung eines Datensatzes
Machine Learning Modellierung
Handling Outliers in Data
- Numerische Variablen, kategoriale Variablen, usw.
Zusammenfassung und Schlussfolgerung
Voraussetzungen
- Python Programmiererfahrung.
- Erfahrungen mit Numpy, Pandas und scikit-learn.
- Vertrautheit mit Algorithmen des maschinellen Lernens.
Publikum
- Entwickler
- Datenwissenschaftler
- Datenanalysten
Erfahrungsberichte (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.