特色工程 – 西班牙语版

课程概况

¿Desea saber cómo mejorar la precisión de sus modelos de aprendizaje automático? ¿Cuál es la forma de saber qué columnas de datos se prestan para las funciones más útiles? Bienvenido a Feature Engineering en Google Cloud Platform, el curso en el que hablaremos de cómo reconocer buenas funciones, y cómo puede preprocesarlas y transformarlas para usarlas de forma óptima en sus modelos de aprendizaje automático.

En este curso, practicará cómo elegir funciones y preprocesarlas en Google Cloud Platform mediante labs interactivos. Nuestros instructores lo guiarán por las soluciones de código, que también se harán públicas para que las consulte mientras trabaja en sus propios proyectos de AA en el futuro.

课程大纲

Introducción

¿Desea saber cómo mejorar la precisión de sus modelos de AA? ¿Cuál es la forma de saber qué columnas de datos se prestan para las funciones más útiles? Bienvenido a Feature Engineering, el curso en el que hablaremos de cómo reconocer buenas funciones, y cómo puede preprocesarlas y transformarlas para usarlas de forma óptima en sus modelos.

Conversión de datos sin procesar en funciones

La ingeniería de funciones es a menudo la etapa más larga y más difícil en el desarrollo de un proyecto de AA. En el proceso de ingeniería de funciones, comienza con los datos sin procesar y usa su propio conocimiento del dominio para crear funciones que hagan funcionar sus algoritmos de aprendizaje automático. En este módulo, exploraremos qué hace que una función sea buena y cómo representarla en su modelo de AA.

Preprocesamiento y creación de funciones

En esta sección del módulo, se tratarán el preprocesamiento y la creación de funciones, que son técnicas de procesamiento de datos que pueden ayudarlo a preparar un conjunto de funciones para un sistema de aprendizaje automático.

Combinaciones de funciones

En el aprendizaje automático tradicional, las combinaciones de funciones no juegan un papel muy importante, pero con los métodos actuales de AA, estas combinaciones son una herramienta muy valiosa. En este módulo, aprenderá a reconocer los tipos de problemas en los que las combinaciones de funciones representan una excelente manera de ayudar al aprendizaje automático.

TF Transform

TensorFlow Transform (tf.Transform) es una biblioteca para preprocesar datos con TensorFlow. Es útil para el preprocesamiento que requiere un pasaje completo de los datos, como la normalización de un valor de entrada según la media y la desviación estándar, la conversión a entero de un vocabulario mediante un examen de todos los ejemplos de entradas para los valores, la organización en depósitos de las entradas según la distribución de datos observada. En este módulo, exploraremos los casos prácticos para tf.Transform.

Resumen

Aquí resumimos los puntos más importantes aprendidos en cada módulo sobre la ingeniería de funciones: Cómo seleccionar buenas funciones, cómo preprocesar a gran escala, cómo usar combinaciones de funciones y cómo practicar con TensorFlow.