Ingegneria delle funzionalità per il machine learning

I valori di data e ora grezzi sono spesso inutilizzabili dagli algoritmi di apprendimento automatico nei loro formati nativi. Per sbloccare il potere predittivo nascosto nei timestamp, è necessario imparare come estrarre e codificare in modo efficace i modelli temporali. Passerai dal trattare i timestamp come semplici stringhe all'ingegneria di sofisticate funzionalità cicliche e categoriche che i moderni modelli di apprendimento automatico possono interpretare facilmente. Cosa imparerai: - Comprendere i concetti di data e ora fondamentali, i fusi orari e la localizzazione in Python. - Estrarre le caratteristiche dei componenti come giorno della settimana, mese, ora e indicatori di vacanza. - Codificare modelli di tempo ciclici utilizzando trasformazioni trigonometriche seno e coseno. - Gestisci dati temporali mancanti o irregolari utilizzando moderne tecniche di dataframe. - Prevenire la perdita di dati quando si dividono i dati delle serie temporali per la formazione e la convalida. Inizierai con le rappresentazioni di base di datetime prima di passare a tecniche di estrazione pratiche e metodi di codifica ciclica avanzati attraverso spiegazioni scritte chiare ed esempi di codice.Questo corso è progettato per data scientist, analisti e sviluppatori Python principianti che vogliono padroneggiare l'ingegneria delle funzionalità temporali. Non è richiesta alcuna esperienza avanzata di machine learning.Inizia oggi stesso a trasformare i tuoi dataset temporali in segnali predittivi.