Feature Engineering für Data Science

Feature Engineering ist die Vorbereitung von Daten für die Verarbeitung in Machine Learning-Algorithmen und von hoher Bedeutung im gesamten Machine Learning-Prozess: Nur qualitativ hochwertige Features/Eingabedatensätze mit großem Informationsgehalt stellen sicher, dass ein Modell für maschinelles Lernen erfolgreich trainiert bzw. seine Leistung verbessert werden kann.

Im Seminar lernen die Teilnehmer die wichtigsten Methoden und Techniken des Feature Engineerings für mannigfaltige Machine Learning-Algorithmen kennen. Dabei wird der gesamte Prozess der Datenaufbereitung betrachtet – von der Datenerfassung über die Datenbereinigung und Datentransformation, der Ableitung von Features bis hin zur Ableitung von Trainings- und Testdaten. Neben der Modellierung analytischer Data Marts liegt ein Schwerpunkt auf dem Design von elastischen und dynamischen Datenaufbereitungsprozessen sowohl für das Modelltraining als auch den operativen Einsatz von Prognosemodellen.

Dieses Seminar ist auch Teil der Ausbildung „Data Scientist (TÜV®)“

Zielgruppe
(Künftige) Data Scientists, Statistiker, Business-Analysten, Ingenieure und IT-Experten, die sich mit den Feature Engineering-Techniken für Machine Learning und Künstliche Intelligenz vertraut machen möchten, um die Datenpotenziale schneller und besser heben zu können.

Inhalt

• Einführung in das Feature Engineering
• Datenquellen, Datenmodelle und Analytische Data Marts
• Datenintegration und Datentransformation
• Behandlung fehlender Werte
• Behandlung von Ausreißern
• Binning-Methoden
• Dimensionsreduzierende Methoden
• Aggregationstechniken für Transaktionsdaten
• Feature Engineering für Zeitreihen
• Stichproben-Methoden und Erstellung von Trainings- und Testdaten
• Best Practices Feature Engineering für Machine Learning-Algorithmen

Abschluss
Teilnahmebescheinigung der TÜV Thüringen Akademie GmbH

Dauer
16 Seminarstunden
08:30 bis 16:00 Uhr

Zugangsvoraussetzung
Kenntnisse in der Nutzung von Python für Data Science, idealerweise die beiden Kurse: „Data Science mit Python“ sowie „Machine Learning und KI Methoden“

Bitte beachten: Dieses Seminar ist Teil der Ausbildung „Data Scientist (TÜV®)“. Wenn dieser Abschluss angestrebt wird, muss ein Studienabschluss im MINT-Bereich oder eine gleichwertige Qualifikation (insbesondere mathematische Vorkenntnisse) nachgewiesen werden.

Preisdetails

Im Preis enthalten sind bei Präsenzveranstaltungen Seminarverpflegung, Lern- und Arbeitsmittel sowie Lehrmaterial in digitaler oder gedruckter Form, bzw. digitales Lehrmaterial bei Live-Webinaren.

Hinweise
Die theoretischen Inhalte werden in Form von praxisnahen Übungen vertieft. Die dafür notwendige Schulungsumgebung wird gestellt. Der Zugriff auf die Schulungsumgebung erfolgt mit einem Browser (Chrome oder Firefox).