Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Google Cloud

Feature Engineering em Português Brasileiro

Google Cloud and Google via Coursera

Overview

Prepare for a new career with $100 off Coursera Plus
Gear up for jobs in high-demand fields: data analytics, digital marketing, and more.
Quer saber mais sobre o Feature Store da Vertex AI, como melhorar a acurácia dos seus modelos de machine learning e quais colunas de dados contêm os atributos mais úteis? No curso "Feature Engineering", falamos sobre atributos bons e ruins, além de mostrar como fazer o pré-processamento e a transformação deles para otimizar seus modelos. Esse curso tem conteúdo teórico e prático sobre a engenharia de atributos usando o BigQuery ML, Keras e TensorFlow.

Syllabus

  • Introdução ao curso
    • Neste módulo, apresentamos uma visão geral do curso e dos objetivos a serem alcançados.
  • Introdução ao Feature Store da Vertex AI
    • Este módulo apresenta o Feature Store da Vertex AI.
  • De dados brutos a atributos
    • A engenharia de atributos costuma ser a fase mais demorada e difícil da criação dos projetos de ML. Esse processo começa pelos dados brutos, e você usa seu próprio conhecimento sobre domínios para criar atributos que vão fazer seus algoritmos de machine learning funcionarem. Neste módulo, vamos conferir o que caracteriza um bom atributo e como fazer a representação deles no seu modelo.
  • Engenharia de atributos
    • Neste módulo, analisamos as diferenças entre o machine learning e as estatísticas, além de mostrar como executar a engenharia de atributos no BigQuery ML e no Keras. Também vamos abordar algumas práticas avançadas desse processo.
  • Pré-processamento e criação de atributos
    • Neste módulo, apresentamos informações sobre o Dataflow, uma tecnologia complementar do Apache Beam. Ambos podem ajudar você a criar e executar o pré-processamento e a engenharia de atributos.
  • Cruzamentos de atributos – TensorFlow Playground
    • Os cruzamentos de atributos não têm um papel muito significativo nos processos tradicionais de machine learning. Porém, para os métodos de ML atuais, esses tipos de recursos são parte essencial do seu kit de ferramentas. Neste módulo, você vai aprender a reconhecer os tipos de problemas em que os cruzamentos de atributos desempenham um papel importante no machine learning.
  • Introdução ao TensorFlow Transform
    • O TensorFlow Transform (tf.Transform) é uma biblioteca de pré-processamento de dados com o TensorFlow. O tf.Transform é útil para os pré-processamentos que exigem uma passagem completa dos dados, como:
      • normalizar um valor de entrada por média e stdev;
      • transformar strings em números inteiros ao gerar um vocabulário com a verificação de todos os exemplos de entrada dos valores;
      • separar as entradas em buckets com base na distribuição de dados que foi observada.
      Neste módulo vamos apresentar os casos de uso do tf.Transform.
  • Resumo
    • Este módulo é um resumo do curso Feature Engineering

Taught by

Google Cloud Training

Reviews

4.5 rating at Coursera based on 15 ratings

Start your review of Feature Engineering em Português Brasileiro

Never Stop Learning.

Get personalized course recommendations, track subjects and courses with reminders, and more.

Someone learning on their laptop while sitting on the floor.