Предварительная обработка и нормализация данных для конвейеров машинного обучения

Исходные данные редко готовы для машинного обучения, и плохая предварительная обработка является одной из основных причин сбоя модели в производстве. Создание успешной модели начинается с овладения качеством данных, их анализа и нормализации. Этот текстовый курс поможет вам перейти от необработанных, неорганизованных наборов данных к чистым, готовым к моделированию конвейерам. Вы узнаете, как работать с отсутствующими значениями, масштабировать функции и систематически анализировать сложные форматы. Что вы узнаете: - Узнайте основы качества и структуры данных для машинного обучения - Анализ неструктурированных и полуструктурированной данных форматов в чистых данных - Применять методы масштабирования, нормализации и кодирования для подготовки объектов - Учет отсутствующих данных и аномальных значений с использованием надежных статистических стратегий - Проверка качества данных и схем с использованием современных методов проверки - Создание воспроизводимых конвейеров предварительной обработки с использованием библиотек Python Вы начнете с основных понятий и терминологии качества данных, прежде чем перейти к практическим методам анализа. По мере продвижения вы будете читать практические примеры инженерии особенностей, нормализации и структурированного проектирования конвейера. Этот курс предназначен для начинающих и начинающих ученых данных без предварительного опыта инженерии данных. Начните читать сегодня, чтобы создать надежные, высокопроизводительные конвейеры машинного обучения.