Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Challenge | Feature Engineering
Data Preprocessing
course content

Зміст курсу

Data Preprocessing

Data Preprocessing

1. Brief Introduction
Data TypesData Processing MethodsDataset: Test and TrainingDeleting an "Extra" DataChanging the Data Type
2. Processing Quantitative Data
Data ScalingData Scaling vs Data NormalizationRemoving OutliersRemoving Missing ValuesData Augmentation: Synthetic Data
3. Processing Categorical Data
Methods for Encoding the Categorical DataOne-Hot EncodingOrdinal EncodingLabel Encoding of the Target VariableChallenge
4. Time Series Data Processing
Data Type ConversionData CleaningStationarityDenoisingTrain/Test Split & Cross ValidationChallenge
5. Feature Engineering
Technique IdeaRealizationFeature Extraction from TextFeature Extraction from ImagesFeature Extraction from Time SeriesChallenge
6. Moving on to Tasks
Challenge 1Challenge 2Challenge 3

bookChallenge

Завдання

Now you can solve a fairly simple task - read a synthetic dataset with profiles on a social network and create new features.

  1. Create a new feature Age Binning (like before) that bins the users' ages into age groups (e.g. 20-30, 30-40, 40-50, etc.). Like, 35 (int) -> 30-40 (str)
  2. Create a second feature Average Hours that counts the average number of hours per week spent on social media by individual users

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 5. Розділ 6
toggle bottom row

bookChallenge

Завдання

Now you can solve a fairly simple task - read a synthetic dataset with profiles on a social network and create new features.

  1. Create a new feature Age Binning (like before) that bins the users' ages into age groups (e.g. 20-30, 30-40, 40-50, etc.). Like, 35 (int) -> 30-40 (str)
  2. Create a second feature Average Hours that counts the average number of hours per week spent on social media by individual users

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 5. Розділ 6
toggle bottom row

bookChallenge

Завдання

Now you can solve a fairly simple task - read a synthetic dataset with profiles on a social network and create new features.

  1. Create a new feature Age Binning (like before) that bins the users' ages into age groups (e.g. 20-30, 30-40, 40-50, etc.). Like, 35 (int) -> 30-40 (str)
  2. Create a second feature Average Hours that counts the average number of hours per week spent on social media by individual users

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Завдання

Now you can solve a fairly simple task - read a synthetic dataset with profiles on a social network and create new features.

  1. Create a new feature Age Binning (like before) that bins the users' ages into age groups (e.g. 20-30, 30-40, 40-50, etc.). Like, 35 (int) -> 30-40 (str)
  2. Create a second feature Average Hours that counts the average number of hours per week spent on social media by individual users

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Секція 5. Розділ 6
Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
some-alt