Ingeniería de características para el aprendizaje automático

Los valores de fecha y hora sin procesar a menudo no son utilizables por los algoritmos de aprendizaje automático en sus formatos nativos. Para desbloquear el poder predictivo oculto en las marcas de tiempo, debe aprender a extraer y codificar patrones temporales de manera efectiva. Pasará de tratar las marcas de tiempo como simples cadenas a diseñar sofisticadas características cíclicas y categóricas que los modelos modernos de aprendizaje automático pueden interpretar fácilmente. Lo que aprenderás: - Comprender los conceptos fundamentales de fecha y hora, zonas horarias y localización en Python. - Extraer características de componentes como el día de la semana, mes, hora, y los indicadores de vacaciones. - Codificar patrones de tiempo cíclicos utilizando transformaciones trigonométricas seno y coseno. - Maneje datos temporales faltantes o irregulares utilizando técnicas modernas de marcos de datos. - Evitar la fuga de datos al dividir datos de series temporales para entrenamiento y validación. Comenzará con representaciones básicas de fecha y hora antes de pasar a técnicas prácticas de extracción y métodos avanzados de codificación cíclica a través de explicaciones claras y escritas y ejemplos de código.Este curso está diseñado para científicos de datos principiantes, analistas y desarrolladores de Python que desean dominar la ingeniería de características temporales. No se requiere experiencia avanzada en aprendizaje automático.Comience a transformar sus conjuntos de datos temporales en señales predictivas hoy mismo.