|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/feature-engineering-jp
课程评论：没有评论
课程名称：特征工程 日本语版 课程概述：该课程适合希望提升机器学习（ML）模型准确度以及识别数据序列中最有用特征的人士。课程将深入讨论“好”特征与“坏”特征的区分，并解释如何对这些特征进行预处理与转换，以便在模型中最大限度地发挥其作用。 课程大纲： 1. **简介**：本模块介绍课程的概况与目标。 2. **Vertex AI 特征存储的概述**：介绍 Vertex AI 特征存储的基本知识。 3. **从原始数据到特征转换**：特征量工程通常是 ML 项目中最耗时且艰难的阶段。本模块将探讨哪些特征是优越的，以及如何在 ML 模型中表现这些优良特征。 4. **特征量工程**：确认机器学习与统计学的区别，同时讲解如何在 BigQuery ML 和 Keras 中进行特征量工程，包含高级特征量工程的实践。 5. **预处理与特征创建**：详细介绍 Apache Beam 辅助技术 Dataflow，如何帮助构建和执行预处理与特征量工程。 6. **特征交叉 - TensorFlow Playground**：探讨特征交叉在传统机器学习中的重要性，同时理解在现代 ML 方法中其作为有效工具的重要性。 7. **TensorFlow Transform 的概述**：介绍 TensorFlow Transform（tf.Transform）库，用于对数据进行预处理，实例包括输入值的正态化、词汇的整数化等，并探讨其用例。 本课程通过讲解和实践，帮助学员掌握特征工程的核心概念与技巧，提高机器学习模型的表现。
Name:はじめに
Description:このモジュールでは、コースの概要とその目標を説明します。
Name: Vertex AI Feature Store の概要
Description:このモジュールでは、Vertex AI Feature Store を紹介します。
Name:元データから特徴への変換
Description:特徴量エンジニアリングは多くの場合、ML プロジェクトの構築において最も長く、困難なフェーズです。特徴量エンジニアリングのプロセスでは、元データから開始し、独自のドメイン知識を用いて機械学習アルゴリズムを機能させるための特徴を作成します。このモジュールでは、どのような特徴が優れているのか、そして優れた特徴をどのように ML モデルで表現するのかについて確認します。
Name:特徴量エンジニアリング
Description:このモジュールでは、機械学習と統計情報の違いを確認し、BigQuery ML と Keras の両方で特徴量エンジニアリングを実行する方法について説明します。また、高度な特徴量エンジニアリングの演習も行います。
Name:前処理と特徴の作成
Description:このモジュールでは、Apache Beam を補完する技術である Dataflow について詳しく説明します。Apache Beam と Dataflow 両方とも、前処理や特徴量エンジニアリングを構築して実行するのに役立ちます。
Name:特徴クロス - TensorFlow Playground
Description:従来の機械学習では、特徴クロスはあまり重要な役割を担っていませんでしたが、最新の機械学習メソッドでは、特徴クロスは非常に有効なツールキットの一部となっています。このモジュールでは、特徴クロスが機械の学習に非常に有益となる問題の種類を認識する方法を確認していきます。
Name:TensorFlow Transform の概要
Description:TensorFlow Transform（tf.Transform）は、TensorFlow でデータを前処理するためのライブラリです。tf.Transform は、次のような全走査データを必要とする前処理に便利です。平均値と標準偏差による入力値の正規化、値に対するすべての入力サンプルの確認による語彙の整数値化、観測されたデータの分布に基づく入力のバケット化などです。このモジュールでは、tf.Transform のユースケースを確認します。
機械学習（ML）モデルの精度を高める方法や、最も有用な特徴量を作成するためのデータ列の見極め方を学びたい方におすすめのコースです。この Feature Engineering コースでは、「良い」特徴量と「悪い」特徴量について説明し、それらをモデルで最大限に活用できるように前処理して変換する方法を解説します。
