Feature Engineering em Português Brasileiro

Go to class
Write Review

Free Online Course: Feature Engineering em Português Brasileiro provided by Coursera is a comprehensive online course, which lasts for 1 week long, 18 hours worth of material. The course is taught in Portuguese and is free of charge. Upon completion of the course, you can receive an e-certificate from Coursera. Feature Engineering em Português Brasileiro is taught by Google Cloud Training.

Overview
  • Quer saber como melhorar a acurácia dos modelos de ML e quais colunas de dados são os atributos mais úteis? Neste curso Feature Engineering, abordaremos os atributos bons e ruins, bem como o pré-processamento e a transformação deles para otimizar os modelos.

Syllabus
    • Introdução ao curso
      • A engenharia de atributos costuma ser a fase mais longa e difícil da criação de projetos de ML. Nesse processo, você começa com os dados brutos e usa seu conhecimento do domínio para criar atributos que permitam o funcionamento dos algoritmos de machine learning.
    • Dados brutos em atributos
      • A engenharia de atributos costuma ser a fase mais longa e difícil da criação de projetos de ML. Nesse processo, você começa com os dados brutos e usa seu conhecimento do domínio para criar atributos que permitam o funcionamento dos algoritmos de machine learning. Neste módulo, você verá como identificar atributos bons e representá-los no modelo de ML.
    • Pré-processamento e criação de atributos
      • Nesta seção do módulo, abordaremos o pré-processamento e a criação de atributos. Elas são técnicas de processamento de dados que preparam um conjunto de atributos para um sistema de machine learning.
    • Cruzamentos de atributos
      • Os cruzamentos de atributos não eram tão importantes no machine learning tradicional, mas são parte essencial dos métodos de ML modernos. Neste módulo, você aprenderá a identificar os tipos de problema em que eles são úteis no machine learning.
    • TensorFlow Transform
      • O TensorFlow Transform (tf.Transform) é uma biblioteca para pré-processar dados com o TensorFlow. Ele é útil, porque o pré-processamento exige uma transmissão completa dos dados, como: normalizar um valor de entrada por mean e stdev, transformar um vocabulário em número inteiro pela análise dos valores em todos os exemplos de entrada e criar buckets das entradas com base na distribuição observada dos dados. Neste módulo, veremos os casos de uso do tf.Transform.
    • Resumo