Python ile Makine Öğrenimi için Veri Hazırlama

Makine öğrenimi modelleri, anlamlı içgörüler üretmek için kaliteli verilere ihtiyaç duyar. Bu nedenle veri hazırlama, makine öğrenimindeki en kritik becerilerden biridir. Bu kursta, eksik değerleri imputation (atama) yöntemiyle doldurmadan önce verileri nasıl içe aktaracağınızı ve temizleyeceğinizi öğreneceksiniz. En önemli özellikleri seçmek için analizleri kullanmadan önce, ilgilendiğiniz eğilimleri belirlemek amacıyla histogramları, serpme grafiklerini (scatter charts) ve kutu grafiklerini (box plots) nasıl görselleştireceğinizi öğreneceksiniz. One-hot encoding, binning (bölümleme) ve scaling (ölçeklendirme) gibi özellik mühendisliği (feature engineering) teknikleri, daha yüksek kalitede makine öğrenimi içgörüleri elde etmek için verilerimizin yapısını dönüştürmemize yardımcı olacaktır. Python ile hazırlanan bu veri hazırlama kursu, önceki BIDA kurslarına kıyasla daha fazla etkileşimli alıştırma ve uygulama içerir. Ayrıca, final sınavını tamamlamadan önce kapsamlı ve rehberli bir Python vaka çalışmasında becerilerinizi test etme fırsatına sahip olacaksınız. Bu kursu tamamladığınızda şunları yapabileceksiniz: • Python'da verilerinizi içe aktarma ve temizleme • Veri setindeki eksik değerleri tahmin etmek için imputation uygulama • Analizimize yön verecek ilk kalıpları bulmak için keşifsel veri analizi (EDA) gerçekleştirme • En önemli değişkenlere odaklanmak için özellikleri seçme • Verileri dönüştürmek için özellik mühendisliği uygulama