Programa del Curso
Introducción
- Construcción de algoritmos efectivos en reconocimiento de patrones, clasificación y regresión.
Configuración del entorno de desarrollo
- Python Bibliotecas
- Editores en línea vs fuera de línea
Descripción general de la ingeniería de características
- Variables de entrada y salida (características)
- Pros y contras de la ingeniería de características
Tipos de problemas encontrados en los datos sin procesar
- Datos sucios, datos faltantes, etc.
Variables de preprocesamiento
- Tratamiento de los datos que faltan
Manejo de valores faltantes en los datos
Trabajar con variables categóricas
Convertir etiquetas en números
Manejo de etiquetas en variables categóricas
Transformación de variables para mejorar el poder predictivo
- Numéricas, categóricas, fecha, etc.
Limpieza de un conjunto de datos
Machine Learning Modelización
Manejo de valores atípicos en los datos
- Variables numéricas, variables categóricas, etc.
Resumen y conclusión
Requerimientos
- Python Experiencia en programación.
- Experiencia con Numpy, Pandas y scikit-learn.
- Familiaridad con los algoritmos de Machine Learning.
Audiencia
- Desarrolladores
- Científicos de datos
- Analistas de datos
Testimonios (2)
El entrenamiento fue sensacional, ¡uno de los mejores en los que he estado! El profesor, Rafał, respondió perfectamente en cuanto a los temas que trató, explicó todos los métodos muy a fondo. JestEstoy muy contento y estaré encantado de volver a utilizar la formación impartida por este formador.
Darek Paszkowski - Orange Szkolenia Sp. z o.o.
Traducción Automática
Dibujos en rotafolio, toda la formación.
Kasia Nawrot - Orange Szkolenia Sp. z o.o.
Traducción Automática