Keşifsel Veri Analizi ve Makine Öğrenmesi için Veri Hazırlama

Herhangi bir makine öğrenimi modeli oluşturmadan önce verilerinizi anlamanız, temizlemeniz ve hazırlamanız gerekir. Bu metin tabanlı kurs, ham, karmaşık veri kümelerini tahmini modelleme için yüksek kaliteli girdilere dönüştürme sürecinin temel sürecinde size rehberlik eder. Ana veri kavramlarını anlamaktan ileri veri hazırlığı yapmaya kadar ilerleyeceksiniz. Farklı kaynaklardan veri çıkarma, eksik değerleri idare etme, güçlü özellikleri tasarlama ve gizli paternleri ortaya çıkarmak için ön istatistiksel analizleri yürütme yollarını öğreneceksiniz. Ne öğreneceksin: - Temel veri kalitesi kavramları, veri tipleri ve makine öğrenme boru hattı anlamak. - SQL veritabanları ve modern NoSQL sistemleri de dahil olmak üzere çeşitli kaynaklardan veri kümeleri al. - Eksik değerleri, dışsal değerleri ve biçimlendirme tutarsızlıkları ile düzensiz verileri temizleyin. - Ölçeklendirme, kategorik değişkenlerin kodlanması ve matematiksel dönüşümler gibi özellik mühendisliği tekniklerini uygulayın. - Veri boru hattı güvenilirliğini sağlamak için schema kontrolleri kullanarak modern veri doğrulamasını uygulayın. - Hipotez oluşturmak için istatistiksel özetler ve korelasyon matrisi kullanarak keşif veri analizi yap. Kurs, verilerin el ile manipüle edilmesi ve özellik mühendisliğine geçmeden önce temel tanımlamalar ve veri kalitesi ilkeleriyle başlar. Açık açıklamalar okuyacak, pratik Python kod parçalarını analiz edecek ve öğrenmenizi güçlendirmek için tasarlanmış yazılı egzersizleri tamamlayacaksınız. Bu kurs, veri bilimi ve makine öğrenimine girmek isteyen yeni başlayanlar için tasarlanmıştır, ileri ön koşullar gerekli değildir. Makine öğrenimi modellerini başarılı kılan kritik veri hazırlama becerilerini öğrenmeye başlayın.