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
  14 horas
 

Número de participantes


Comienza

Termina


Dates are subject to availability and take place between 09:30 and 16:30.
Los cursos de formación abiertos requieren más de 5 participantes.

Testimonios (2)

Cursos Relacionados

Categorías Relacionadas