Conoce un poco tu problema antes de ponerte manos a la obra. Luego aprende a inspeccionar tu conjunto de datos de forma estadística y visual.

Por dónde empezar

¿Por dónde empezar?

Comprobar la versión

Carga los datos

Definir un problema

¿Qué estamos prediciendo?

Verificar la carga de datos

Verificar tipos de datos

Inspección visual de datos / EDA

Usar Corr()

Usar visualizaciones: distplot

Usar visualizaciones: lmplot

Análisis exploratorio de datos

Los datos reales rara vez están limpios y listos para analizar. En este capítulo aprenderás a eliminar información innecesaria, gestionar valores faltantes y añadir datos adicionales a tu análisis.

Eliminación de datos

Eliminar una lista de columnas

Usar filtros de texto para eliminar registros

Filtrar campos numéricos de forma condicional

Ajustar datos

Escalado porcentual personalizado

Escalando tus escaladores

Corregir datos con sesgo a la derecha

Trabajar con datos faltantes

Visualizar valores ausentes

Imputación de valores faltantes

Calcular porcentajes de valores ausentes

Obtener más datos

Una unión peligrosa

Unión en Spark SQL

Comprobar Joins incorrectos

Limpieza con funciones de Spark

En este capítulo aprenderás a crear nuevas características de las que tu modelo de Machine Learning pueda aprender. Veremos cómo generarlas combinando campos, extrayendo valores de columnas desordenadas o codificándolas para obtener mejores resultados.

Generación de características

Diferencias

Ratios

Características más profundas

Características temporales

Componentes temporales

Unir por componentes de tiempo

Cálculos con fechas

Extracción de características

Extraer texto para crear nuevas características

Dividir y explotar

Pivotar y unir

Binarización, segmentación por intervalos y codificación

Binarizar día de la semana

Agrupación en intervalos (Bucketing)

One Hot Encoding

Ingeniería de características

En este capítulo aprenderemos a elegir qué tipo de modelo queremos. Después aplicaremos nuestros datos al modelo y lo evaluaremos. Por último, aprenderemos a interpretar los resultados y a guardar el modelo para más adelante.

Elegir el algoritmo

¿Qué módulo de MLlib?

Creación de particiones temporales

Ajustar características temporales

Suposiciones de ingeniería de características para RFR

Ingeniería de características para Random Forests

Eliminar columnas con pocas observaciones

Tratamiento ingenuo de valores ausentes y categóricos

Construir un modelo

Construir un modelo de regresión

Evaluar y comparar algoritmos

Entender las métricas

Interpretar, guardar y cargar

Interpretar resultados

Guardar y cargar modelos

Reflexiones finales

Construcción de un modelo

2017 St Paul MN Real Estate Dataset

El mundo real es desordenado y tu trabajo es darle sentido. Conjuntos de datos de juguete como MTCars e Iris son el resultado de una cuidadosa selección y limpieza; aun así, hay que transformarlos para que los potentes algoritmos de Machine Learning puedan extraer significado, predecir, clasificar o agrupar. Este curso cubrirá los detalles prácticos a los que los data scientists dedican el 70-80% de su tiempo: preparación de datos e ingeniería de características. Como los conjuntos de datos son cada vez más grandes, ¡usemos PySpark para reducir a tamaño este problema de Big Data!

Supervised Learning with scikit-learn

Introduction to PySpark

Aprende a usar PySpark para resolver problemas de Big Data con manipulación de datos e ingeniería de características.

Ingeniería de características con PySpark

Aprende los detalles prácticos en los que los científicos de datos dedican el 70-80% de su tiempo: preparación de datos e ingeniería de características.

Big Data con PySpark

Lead Data Scientist

Binarización, discretización y codificación

Binarización

Discretización (Bucketing)

One-Hot Encoding

One-Hot Encoding en PySpark

¡A transformar!

Ingeniería de características - Binarización, segmentación por intervalos y codificación

Binarización, segmentación por intervalos y codificación

Create Your Free Account