Fundamenten voor machine learning

Ruwe data werkt zelden goed in machine learning modellen, de kwaliteit en relevantie van je features bepalen uiteindelijk de prestaties en het succes van je uiteindelijke model. Deze cursus leert u het systematische proces van feature engineering, waarbij u de vaardigheden krijgt om de optimale variabelen op te ruimen, te transformeren en te selecteren die nodig zijn om krachtige en effectieve machine learning-oplossingen te bouwen. Wat je leert: * Begrijp de levenscyclus van datavoorbereiding en de kritieke rol van feature engineering in de machine learning-pijplijn. * Pas essentiële technieken toe voor het verwerken van ontbrekende waarden en uitschietersdetectie voor verschillende gegevenstypen. * Beheers verschillende coderings- en schaalmethoden, inclusief normalisatie en geavanceerde categorische gegevensverwerking, om functies voor modellering voor te bereiden. * Oefen het genereren van nieuwe, informatieve kenmerken van bestaande variabelen, inclusief basismethoden voor tijdreeksen en tekstgegevens. * Configureer basismethoden voor functieselectie om dimensionaliteit te verminderen, overfitting te voorkomen en de interpreteerbaarheid van het model te verbeteren. We beginnen met kernconcepten en dataverkenning, gaan snel over op praktische methoden voor datatransformatie en verfijning en bespreken strategieën voor functieselectie die nodig zijn voor het trainen van efficiënte en performante modellen. Deze cursus is bedoeld voor absolute beginners die geïnteresseerd zijn in data science of machine learning en die een sterke basis nodig hebben in datavoorbereiding. Begin vandaag nog met het beheersen van de meest cruciale stap in de machine learning-workflow.