Maîtriser les techniques de création, sélection et transformation de variables (features) pour améliorer significativement la performance et la robustesse des modèles de Machine Learning.
Campus Côte d'Azur
Campus Dubai
Campus Paris
14 jours
55 heures
Présentiel
Français
IA-025
Data Scientists, ML Engineers, Data Analysts confirmés souhaitant approfondir la préparation des données pour le ML.
Solide expérience en Data Science/ML et programmation (Python/R). Bonne connaissance des algorithmes ML.
Importance du feature engineering, traitement des données manquantes/aberrantes, encodage des variables catégorielles, création de nouvelles variables (interactions, polynomiales...), sélection de variables (méthodes filtres/wrapper/embarquées), réduction de dimensionnalité (ACP...).
Supports de cours, bibliothèques Python (Pandas, Scikit-learn, Feature-engine...), techniques de visualisation pour l'exploration des features, méthodes de sélection/création de features, études de cas montrant l'impact du feature engineering.
Application de différentes techniques de feature engineering sur un jeu de données complexe. Évaluation de l'impact du feature engineering sur la performance d'un modèle ML. Sélection des variables les plus pertinentes pour un problème donné.
Représentante de la formation
Que vous soyez un particulier ou une organisation/un groupe à la recherche d'un programme, contactez-nous et nous vous aiderons à trouver la meilleure solution pour vous.