Ingeniería de variables para machine learning

Ingeniería de variables para machine learning | UDEMY NED

Prepara los pasos de procesamiento de datos en una pipeline de predicción. Aprende a implementar ingenieria de variables en Scikit-learn.
Hot & New

What you'll learn

• Aprende a imputar variables con datos faltantes mientras capturas información de tus datos
• Convierte variables categóricas en numéricas mientras capturas información de tus datos
• Transforma la distribución de tus variables numéricas
• Convierte tus variables numéricas en intervalos discretos
• Extrae información de variables de fechas y tiempo
• Prepara los pasos de procesamiento de datos en una pipeline de predicción
• Aprende a implementar ingenieria de variables en Scikit-learn
• Implementa ingenieria de variables en el nuevo paquete Feature-engine
• Haz tus pipelines de ingenieria mucho mas simples
• Limpia y prepara tus set de datos para algoritmos de predicción

Requirements

• Una instalación de Python
• Jupyter notebooks
• Familiaridad con programación en Python
• Alguna experiencia con NumPy y pandas
• Conocimiento de algoritmos de predicción

Description

Aprende a modificar las variables en tus datos y construye mejores modelos de predicción.

Ya diste tus primeros pasos en ciencia de datos, ya conoces los modelos de predicción más usados, ya construiste alguna regresión lineal o algún árbol de predicción. Pero ahora, la vida real toca a tus puertas, y te das cuenta que los datos están sucios, les faltan valores, algunas variables tienen etiquetas en vez de números, no cumplen los supuestos de los modelos, un desastre! Y para peores, no encuentras muchas fuentes de conocimiento consolidadas al respecto. Solo blogs?

Este curso te va a ayudar! Este es el curso online más extenso y comprensivo en ingeniería de variables. Vas a aprender una enorme variedad de técnicas de ingeniaría usadas mundialmente en diferentes organizaciones, o en competiciones de ciencias de datos, para limpiar y transformar tus datos y variables.

Hemos juntado una recopilación de técnicas fantástica, luego de buscar, investigar e implementar métodos publicados en varias páginas online, artículos de publicación científica, artículos por organizaciones, y por supuesto, utilizando también nuestra experiencia como científicas de datos.