Бабочка
VIP складчик
- Регистрация
- 20 Май 2017
- Сообщения
- 46.241
- Реакции
- 175.459
[Udemy] Предварительная обработка данных для машинного обучения в Python (2021)
В этом курсе мы сосредоточимся на методах предварительной обработки для машинного обучения.
Предварительная обработка — это набор манипуляций, которые преобразуют необработанный набор данных, чтобы его можно было использовать в модели машинного обучения. Это необходимо для того, чтобы наши данные подходили для некоторых моделей машинного обучения, чтобы уменьшить размерность, лучше идентифицировать релевантные данные и повысить производительность модели . Это самая важная часть конвейера машинного обучения, и она может сильно повлиять на успех проекта. На самом деле, если мы не снабдим модель машинного обучения данными правильной формы , она вообще не будет работать.
Иногда начинающие специалисты по данным начинают изучать нейронные сети и другие сложные модели и забывают изучить , как манипулировать набором данных , чтобы использовать его в своих алгоритмах. Таким образом, им не удается создать хорошие модели, и только в конце они понимают, что хорошая предварительная обработка позволит им сэкономить много времени и повысить производительность своих алгоритмов. Таким образом, владение методами предварительной обработки является очень важным навыком . Вот почему я создал целый курс , посвященный только предварительной обработке данных.
Благодаря этому курсу вы узнаете:
Для кого этот курс:
ПРОДАЖНИК
СКАЧАТЬ МАТЕРИАЛ ПО ССЫЛКЕ НИЖЕ
В этом курсе мы сосредоточимся на методах предварительной обработки для машинного обучения.
Предварительная обработка — это набор манипуляций, которые преобразуют необработанный набор данных, чтобы его можно было использовать в модели машинного обучения. Это необходимо для того, чтобы наши данные подходили для некоторых моделей машинного обучения, чтобы уменьшить размерность, лучше идентифицировать релевантные данные и повысить производительность модели . Это самая важная часть конвейера машинного обучения, и она может сильно повлиять на успех проекта. На самом деле, если мы не снабдим модель машинного обучения данными правильной формы , она вообще не будет работать.
Иногда начинающие специалисты по данным начинают изучать нейронные сети и другие сложные модели и забывают изучить , как манипулировать набором данных , чтобы использовать его в своих алгоритмах. Таким образом, им не удается создать хорошие модели, и только в конце они понимают, что хорошая предварительная обработка позволит им сэкономить много времени и повысить производительность своих алгоритмов. Таким образом, владение методами предварительной обработки является очень важным навыком . Вот почему я создал целый курс , посвященный только предварительной обработке данных.
Благодаря этому курсу вы узнаете:
- Очистка данных
- Кодирование категориальных переменных
- Преобразование числовых признаков
- Scikit-learn объекты Pipeline и ColumnTransformer
- Масштабирование числовых характеристик
- Анализ главных компонентов
- Выбор функций на основе фильтров
- Передискретизация с использованием SMOTE
Для кого этот курс:
- Разработчики Python
- Начинающие специалисты по данным
- Люди, интересующиеся машинным обучением и искусственным интеллектом
- Базовые знания языка программирования Python
ПРОДАЖНИК
Зарегистрируйтесь или войдите в свой аккаунт для просмотра данного контента на bazakursov.net
СКАЧАТЬ МАТЕРИАЛ ПО ССЫЛКЕ НИЖЕ
Скрытое содержимое могут видеть только пользователи группы: VIP, Platinum - Купить доступ
Возможно, Вас ещё заинтересует:
- [Udemy] Курс по изучению Apache Spark
- [Udemy] Jose Portilla - OpenAI Python API Bootcamp: Learn to use AI, GPT3, and more!
- [Udemy] Java (Джава) для начинающих: с нуля до сертификата Oracle
- [Udemy] Бизнес-презентации PowerPoint и визуализация данных
- [Udemy] Python Docx от новичка до победителя
- [Udemy] Microsoft Project для веб-основ