Ingeniería de características práctica para aprendizaje automático

¿Tiene dificultades para mejorar el rendimiento de su modelo? La respuesta a menudo no está en el algoritmo, sino en las características que le proporciona. Este curso proporciona una base práctica en ingeniería de características. Aprenderá cómo limpiar, transformar y crear nuevas variables de forma sistemática a partir de conjuntos de datos sin procesar, convirtiéndolos en un formato que los algoritmos de aprendizaje automático puedan comprender y aprovechar para obtener mejores predicciones. Lo que aprenderás: - Aplicar varias técnicas de imputación para manejar los datos faltantes de manera efectiva. - Convertir variables categóricas en formatos numéricos usando métodos de codificación one-hot, ordinal y otros. - Identifique y administre valores atípicos para evitar que sesguen el rendimiento de su modelo. - Crear nuevas y poderosas características a partir de tipos de datos complejos como fechas y horas. - Transformar variables continuas en bins discretos a través de la discretización y el escalado. - Construya tuberías de preprocesamiento reutilizables para agilizar su flujo de trabajo de ingeniería de características. El curso comienza con la terminología y los conceptos básicos, y luego avanza a través de técnicas prácticas para cada tipo de transformación de datos.Practicará cada método a través de explicaciones claras y escritas y ejercicios enfocados. Este curso está diseñado para principiantes en aprendizaje automático.No se requiere experiencia previa en ingeniería de características, aunque es útil una familiaridad básica con Python y los conceptos fundamentales de ML. Comience a aprender hoy y desbloquee el verdadero potencial de sus datos.