สรุปบทเรียน

Feature Engineering สำหรับ Machine Learning ใน Python

Robert O'Callaghan

Director of Data Science, Ordergroove

บทที่ 1

• การทำความเข้าใจประเภทข้อมูล
• การ Encoding ข้อมูลเชิงหมวดหมู่อย่างมีประสิทธิภาพ
• วิธีต่าง ๆ ในการจัดการกับตัวแปรต่อเนื่อง

บทที่ 2

• การระบุช่องว่างในข้อมูล
• แนวทางปฏิบัติที่ดีในการจัดการแถวข้อมูลที่ไม่สมบูรณ์
• วิธีค้นหาและจัดการกับอักขระที่ไม่ต้องการ

บทที่ 3

• การสังเกตการกระจายตัวของข้อมูล
• เหตุใดและวิธีการปรับการกระจายตัวนี้
• แนวทางปฏิบัติที่ดีในการค้นหาและกำจัด Outlier

บทที่ 4

• พื้นฐานของ Word Embeddings
• การใช้งาน Term Frequency Inverse Document Frequency (Tf-idf)
• N-grams และข้อได้เปรียบเหนือ Bag of Words

ขั้นตอนต่อไป

• การแข่งขัน Kaggle
• คอร์สอื่น ๆ บน DataCamp
• โปรเจกต์ของคุณเอง

ขอบคุณ!

Feature Engineering สำหรับ Machine Learning ใน Python