Eksploracjonalna analiza danych i przygotowywanie danych do uczenia maszynowego

Przed zbudowaniem dowolnego modelu uczenia maszynowego musisz zrozumieć, wyczyścić i przygotować swoje dane.Ten kurs tekstowy prowadzi przez podstawowy proces przekształcania surowych, niechlujnych zbiorów danych w wysokiej jakości dane wejściowe do modelowania predykcyjnego. Będziesz rozwijać się od zrozumienia podstawowych pojęć danych do wykonywania zaawansowanego przygotowania danych.Dowiesz się, jak wyodrębniać dane z różnych źródeł, obsługiwać brakujące wartości, projektować zaawansowane funkcje i uruchamiać wstępne analizy statystyczne w celu odkrycia ukrytych wzorców. Czego się nauczysz: - Zrozum podstawowe koncepcje jakości danych, typy danych i potoki uczenia maszynowego. - Pobieraj zbiory danych z różnych źródeł, w tym baz danych SQL i nowoczesnych systemów NoSQL. - Wyczyść bałagan danych, obsługując brakujące wartości, wartości odległe i niespójności formatowania. - Zastosuj techniki inżynierii funkcji, takie jak skalowanie, kodowanie zmiennych kategorycznych i transformacje matematyczne. - Ćwicz nowoczesną walidację danych za pomocą kontroli schematu, aby zapewnić niezawodność potoku danych. - Wykonaj eksploracyjną analizę danych za pomocą podsumowań statystycznych i macierzy korelacji w celu wygenerowania hipotez. Kurs zaczyna się od podstawowych definicji i zasad jakości danych, zanim przejdziesz do praktycznej manipulacji danymi i inżynierii funkcji.Będziesz czytać jasne wyjaśnienia, analizować praktyczne fragmenty kodu Pythona i wykonywać ćwiczenia pisemne mające na celu wzmocnienie nauki. Ten kurs jest przeznaczony dla początkujących, którzy chcą wejść w naukę danych i uczenie maszynowe, bez wymaganych zaawansowanych warunków wstępnych. Zacznij opanowywać kluczowe umiejętności przygotowywania danych, które sprawiają, że modele uczenia maszynowego są skuteczne.