탐색적 데이터 분석 및 머신 러닝을 위한 데이터 준비

머신 러닝 모델을 구축하기 전에 데이터를 이해하고 정리하고 준비해야 합니다. 이 텍스트 기반 교육 과정에서는 원시적이고 혼란스러운 데이터 세트를 예측 모델링을 위한 고품질 입력으로 변환하는 필수 과정을 안내합니다. 핵심 데이터 개념을 이해하는 단계에서 고급 데이터 준비를 수행하는 단계로 진행합니다. 다양한 소스에서 데이터를 추출하고, 누락된 값을 처리하고, 강력한 기능을 엔지니어링하고, 숨겨진 패턴을 찾기 위해 예비 통계 분석을 실행하는 방법을 배웁니다. 무엇을 배울 것인가: - 기본적인 데이터 품질 개념, 데이터 유형 및 머신 러닝 파이프라인을 이해합니다. - SQL 데이터베이스 및 최신 NoSQL 시스템을 포함한 다양한 소스에서 데이터 세트를 검색합니다. - 누락된 값, 이상치 및 서식 불일치를 처리하여 혼란스러운 데이터를 정리합니다. - 스케일링, 범주 변수 인코딩, 수학적 변환과 같은 기능 엔지니어링 기법을 적용합니다. - 데이터 파이프라인 신뢰성을 보장하기 위해 스키마 검사를 사용하여 최신 데이터 유효성 검사를 수행합니다. - 통계 요약 및 상관 관계 행렬을 사용하여 가설을 생성하는 탐색적 데이터 분석을 수행합니다. 이 과정은 기본 정의와 데이터 품질 원칙을 다루고, 데이터 조작 및 기능 엔지니어링을 직접 체험합니다. 명확한 설명을 읽고, 실용적인 Python 코드 스니펫을 분석하고, 학습을 강화하기 위해 설계된 서면 훈련을 완료합니다. 이 교육 과정은 데이터 과학 및 머신 러닝에 참여하고자 하는 초보자를 위해 고급 사전 요건이 필요 없이 설계되었습니다. 머신 러닝 모델을 성공적으로 구현하는 데 필요한 중요한 데이터 준비 기술을 습득하십시오.