Курс Feature Engineering
Уровень подготовки
Для прохождения курса потребуются знания основ Python, обработки данных и классического ML
Бесплатный доступ
Полный комплект учебных материалов курса без скрытых платежей и ограничений
Удобный график
К курсам можно приступить в любой момент и проходить в комфортном для себя темпе
Практический результат
Сможете спроектировать воспроизводимый пайплайн признаков и проверить его на утечки
Кому подойдет курс
Дата-сайентистам
Систематизируют преобразования признаков и научатся проверять их пользу по корректной схеме валидации
ML-инженерам
Смогут обеспечить одинаковую логику вычисления признаков при обучении и инференсе
Экспертам домена
Научатся превращать знания о процессе в проверяемые гипотезы о признаках для ML-моделей
Что вы узнаете на курсе
Как преобразовывать разные типы данных
Разберете масштабирование, кодирование категорий, обработку пропусков и выбросов и требования выбранной модели
Как строить временные и агрегированные признаки
Научитесь задавать окна и point-in-time joins так, чтобы не использовать информацию из будущего
Как находить утечки и проверять пользу признаков
Будете оценивать признаки на валидации и значимых срезах, а не предполагать улучшение заранее
Как обеспечить согласованность признаков и моделей
Поймете, как обеспечить offline-online parity, согласовать определения, версии и свежесть признаков между обучением и serving
Как проходит обучение
Курс доступен сразу после регистрации на платформе LMS. Все уроки и прогресс обучения отражаются в личном кабинете
Автор курса
Линейка из 11 курсов о проектировании и разработке ML систем, которые помогут освоить методы создания эффективных и масштабируемых решений в облаке
