Fundamentos de ingeniería de características para aprendizaje automático

Los datos sin procesar rara vez funcionan bien directamente en modelos de aprendizaje automático, ya que la calidad y la relevancia de las características determinan el rendimiento y el éxito del modelo final. Este curso le enseña el proceso sistemático de ingeniería de características, equipándole con las habilidades para limpiar, transformar y seleccionar las variables óptimas necesarias para crear soluciones de aprendizaje automático poderosas y efectivas. Lo que aprenderás: * Comprender el ciclo de vida de la preparación de datos y el papel crítico de la ingeniería de características en la canalización de aprendizaje automático. * Aplicar técnicas esenciales para el manejo de valores faltantes y detección de valores atípicos en diferentes tipos de datos. * Dominar varios métodos de codificación y escalado, incluyendo la normalización y el manejo de datos categóricos avanzados, para preparar las características para el modelado. * Practicar la generación de nuevas características informativas a partir de variables existentes, incluyendo métodos básicos para series temporales y datos de texto. * Configurar métodos básicos de selección de características para reducir la dimensionalidad, evitar el sobreajuste y mejorar la interpretabilidad del modelo. Comenzamos con los conceptos básicos y la exploración de datos, pasando rápidamente a los métodos prácticos para la transformación y refinamiento de datos y concluimos discutiendo las estrategias de selección de características necesarias para entrenar modelos eficientes y de alto rendimiento. Este curso está diseñado para principiantes absolutos interesados en la ciencia de datos o el aprendizaje automático que necesitan una base sólida en la preparación de datos.No se requieren conocimientos previos de aprendizaje de máquinas. Comience a dominar el paso más importante en el flujo de trabajo de aprendizaje automático hoy mismo.