or
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ในบทนี้ คุณจะสำรวจว่า feature engineering คืออะไร และเริ่มต้นนำไปใช้กับข้อมูลจริงอย่างไร จะได้โหลด สำรวจ และแสดงภาพชุดข้อมูลผลสำรวจ พร้อมเรียนรู้เกี่ยวกับประเภทข้อมูลพื้นฐานและเหตุผลที่ประเภทข้อมูลมีผลต่อการสร้าง feature จากนั้นจะใช้ไลบรารี pandas เพื่อสร้าง feature ใหม่จากทั้งคอลัมน์ประเภทหมวดหมู่และประเภทต่อเนื่อง
บทนี้จะพาคุณเข้าสู่ความเป็นจริงของข้อมูลที่ไม่เป็นระเบียบและไม่สมบูรณ์ คุณจะเรียนรู้วิธีตรวจหาค่าที่หายไปในข้อมูล และสำรวจแนวทางต่าง ๆ ในการจัดการกับค่าเหล่านั้น รวมถึงใช้เทคนิคการจัดการสตริงเพื่อกำจัดอักขระที่ไม่ต้องการออกจากชุดข้อมูล
ในบทนี้ คุณจะมุ่งเน้นการวิเคราะห์การกระจายตัวของข้อมูล และประเมินว่าการกระจายตัวดังกล่าวจะส่งผลต่อ pipeline ของ machine learning อย่างไร คุณจะเรียนรู้วิธีจัดการกับข้อมูลที่มีความเบ้ และสถานการณ์ที่ค่าผิดปกติ (outlier) อาจส่งผลเสียต่อการวิเคราะห์
ในบทสุดท้ายนี้ คุณจะทำงานกับข้อมูลข้อความที่ไม่มีโครงสร้าง โดยเรียนรู้วิธีสร้าง feature เป็นคอลัมน์จากกลุ่มข้อความ (text corpus) จะได้เปรียบเทียบว่าแต่ละแนวทางส่งผลต่อปริมาณบริบทที่ดึงออกมาได้อย่างไร และวิธีสร้างสมดุลระหว่างความต้องการบริบทกับจำนวน feature ที่สร้างขึ้น
แบบฝึกหัดปัจจุบัน