Feature Engineering Fundamentals for Machine Learning (bằng tiếng Anh).

Dữ liệu thô hiếm khi hoạt động tốt trong mô hình học máy. Chất lượng và sự phù hợp của các tính năng cuối cùng sẽ quyết định hiệu suất và thành công của mô hình cuối cùng. Chương trình này dạy bạn quá trình có hệ thống của kỹ thuật tính năng, trang bị cho bạn các kỹ năng để làm sạch, chuyển đổi và chọn các biến tối ưu cần thiết để xây dựng các giải pháp học máy mạnh mẽ và hiệu quả. Bạn sẽ học được: * Hiểu được chu kỳ sống của việc chuẩn bị dữ liệu và vai trò quan trọng của kỹ thuật tính năng trong hệ thống máy học. * Apply các kỹ thuật thiết yếu để xử lý các giá trị mất và phát hiện outlier trên các loại dữ liệu khác nhau. * Học các phương pháp mã hóa và quy mô khác nhau, bao gồm cả chuẩn hóa và xử lý dữ liệu phân loại tiên tiến, để chuẩn bị các tính năng cho mô hình hóa. * Thực hành tạo ra các tính năng mới, thông tin từ các biến hiện có, bao gồm các phương pháp cơ bản cho chuỗi thời gian và dữ liệu văn bản. * Cấu hình các phương pháp chọn tính năng cơ bản để giảm chiều, ngăn ngừa quá phù hợp, và cải thiện khả năng giải thích mô hình. Chúng tôi bắt đầu với các khái niệm cốt lõi và khám phá dữ liệu, chuyển nhanh chóng vào các phương pháp thực tế cho việc chuyển đổi và tinh chỉnh dữ kiện. Chương trình này được thiết kế cho những người mới bắt đầu quan tâm đến khoa học dữ liệu hoặc học máy, những người cần một nền tảng vững chắc trong việc chuẩn bị dữ kiện. Không cần phải có kiến thức học máy trước đó. Hãy bắt đầu làm chủ bước quan trọng nhất trong quá trình học máy ngay hôm nay.