课程描述
Udemy Academy 出版的数据科学特征工程 AZ。数据准备培训数据工程编码特性|归一化特征 |数据科学家的 5 大技能
我的研究兴趣是 Unbasing 人工智能、计算机器学习和对话式人工智能。最近，我一直在研究公司如何使用数据科学在不损害客户隐私的情况下取得更大的成果。构建机器学习模型只需要几分钟，但准备数据以构建强大的机器学习模型是区分优秀和成功数据科学家与糟糕数据科学家的关键。如果你的特征工程技能是错误的，那么你的整个数据科学或机器学习之旅就是在浪费时间。在本课程中，您不仅将学习执行特征工程的行业级策略，而且我将在实践中演示它们以更好地理解。您将学习处理混乱数据的所有行业级策略。我将逐步引导您完成每个主题，并解释每一行代码以供您理解。
您将在 AZ 数据科学特征工程课程中学到什么：
- 使用 Python 进行探索性数据分析 (EDA)
- 掌握如何处理杂乱数据
- 掌握如何处理遥不可及的事情
- 掌握如何处理丢失的数据
- 掌握如何处理数据泄露
- 了解如何处理弱机器学习算法和模型
- 和 …
本课程适合哪些人：
- 任何有兴趣成为数据科学家的人。
- 任何有兴趣成为机器学习工程师的人。
- 任何有兴趣学习为构建机器学习算法和模型准备数据的最佳方法的学生。
- 任何有兴趣了解如何在行业中进行数据工程的人。
课程规格
- 出版商：乌迪米
- 导师：Bright 博士（数据科学博士）
- 英语语言
- 培训级别：入门到高级
- 课程数量：208
- 培训时长：13小时13分钟
课程主题
课程先决条件
这是一门适合初学者的课程，不需要任何先决条件
图片
Feature Engineering For Data Science AZ 介绍视频
媒体错误：格式不受支持或来源未找到
安装指南
在 Extract 之后，用您最喜欢的播放器观看。
英文字幕
画质：720p
下载链接
声明：本站所有文章，如无特殊说明或标注，均为本站发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
