Bilan

Ingénierie des caractéristiques pour le Machine Learning en Python

Robert O'Callaghan

Director of Data Science, Ordergroove

Chapitre 1

• Comprendre vos types de données
• Encodage efficace des variables catégorielles
• Façons de traiter les variables continues

Chapitre 2

• Repérer les lacunes dans vos données
• Bonnes pratiques pour gérer les lignes incomplètes
• Méthodes pour trouver et traiter les caractères indésirables

Chapitre 3

• Observer la distribution de vos données
• Pourquoi et comment la modifier
• Bonnes pratiques pour repérer et retirer les valeurs aberrantes

Chapitre 4

• Fondements des word embeddings
• Utilisation de Term Frequency Inverse Document Frequency (Tf-idf)
• N-grammes et leurs avantages par rapport au sac de mots

Prochaines étapes

• Compétitions Kaggle
• Autres cours DataCamp
• Votre propre projet

Merci !

Ingénierie des caractéristiques pour le Machine Learning en Python