La INGENIERÍA DE CARACTERÍSTICAS (feature engineering): guía completa
Вставка
- Опубліковано 12 сер 2024
- 🔥🔥Academia Online: cursos.codificandobits.com/ 🔥🔥
🔥🔥Asesorías y formación personalizada: www.codificandobits.com/servi... 🔥🔥
En este video veremos una guía detallada de la Ingeniería de Características, una fases clave en cualquier proyecto de Machine Learning.
Así que vamos a entender qué es la Ingeniería de Características, por qué resulta esencial y los elementos que hacen parte de este "feature engineering".
00:00 Introducción
01:10 Academia Online
01:29 Las características y sus problemas más comunes
03:47 ¿Qué es la Ingeniería de Características (o feature engineering)?
04:54 Guía Ingeniería de Características
17:17 Conclusión
Enlace de descarga de la guía: drive.google.com/file/d/1pX6c...
🔴 ** VISITA WWW.CODIFICANDOBITS.COM **
En el sitio web encontrarás, además de artículos y material útil, cursos online y servicios de desarrollo de proyectos, asesorías y formación personalizada en las áreas de Ciencia de Datos, Machine Learning e Inteligencia Artificial.
🔴 ** VIDEOS Y LISTAS DE REPRODUCCIÓN RECOMENDADAS **
🎥 Tutorial - Estandarización de datos con "StandardScaler" de Scikit-Learn: • Tutorial: ¿Cómo ESTAND...
🎥 Tutorial - Escalamiento de datos con "MinMaxScaler" de Scikit-Learn: • Tutorial: ¿cómo escala...
🎥 Tutorial - Escalamiento de datos con "RobustScaler" de Scikit-Learn: • Tutorial: ¿Cómo ESCALA...
🔴 ** ÚNETE A CODIFICANDO BITS Y SÍGUEME EN MIS REDES SOCIALES **
✅ Sitio web: www.codificandobits.com
✅ Suscríbete: ua-cam.com/users/codificando...
✅ Facebook: / codificandobits
✅ Instagram: / codificandobits
✅ Twitter: / codificandobits
🔴 ** ACERCA DE MÍ **
Soy Miguel Sotaquirá, el creador de Codificando Bits. Tengo formación como Ingeniero Electrónico, y un Doctorado en Bioingeniería, y desde el año 2017 me he convertido en un apasionado por el Machine Learning y el Data Science, y en la actualidad me dedico por completo a divulgar contenido y a brindar asesoría a personas y empresas sobre estos temas.
🔴 ** ACERCA DE CODIFICANDO BITS **
El objetivo de Codificando Bits es inspirar y difundir el conocimiento en las áreas de Machine Learning y Data Science.
#machinelearning - Наука та технологія
🔥🔥Academia Online: cursos.codificandobits.com/ 🔥🔥
🔥🔥Asesorías y formación personalizada: www.codificandobits.com/servicios/ 🔥🔥
haz un video de GBM, XGBOOST y todo ese rollo, ya que no he encontrado nada en youtube que explique tan bien como tu
Genial si puedes hacer los videos que faltan, sin de grandiosa utilidad para este proceso
Perfecto Jhonny, tomo nota para hablar de estas técnicas en próximos videos. Un saludo!
Que gran manera de explicar
👏👏👏👏👏
Excelente video Miguel!! me encantaria si puedes tomar de tu tiempo para explicar sobre la distribucion de los datos y como podemos aplizar transformaciones para normalizarlos
Muchas gracias 😄 Me apunto con las transformaciones de distribución 😅
Perfecto! En un próximo video traeré un tutorial sobre el tema. Saludos!
Por supuesto Ing. realice el vídeo, es sumamente interesante e importante, gracias por su gran y hermoso trabajo...
Increible, me encanto este video. ¿que te parece realizar un video respecto a feature engineering basado en datos de texto? como el preprocesamiento de texto, modelos bag of N-grams, modelo TF-IDF, similitud de documentos, modelos de topicos o incrustaciones de palabras. Muchisimas gracias por tu contenido, tremendo.
Muy buena tu sugerencia. Claro que sí, tomo nota para publicar más adelante un video sobre el tema. Un saludo!
Excelente video explicativo. Sería interesante ver como se aplican las técnicas que ha comentado.
Muchas gracias, me encantan tus videos :D
como sabes cual usar en escalamiento?
Gracias Miguel!, tengo una duda.
Es posible aplicar una transformación a una variable numérica y otra transformación a otra variable númerica?
Ejemplo: Aplico normalización a monto de ventas y aplico min max scaler a cantidad de clientes? esto porque sucede que el mismo método no vuelve una distribución normal a todas las variables númericas.
Saludos!
Sí, es posible aplicar diferentes transformaciones a variables numéricas distintas en un conjunto de datos. De hecho, es buena idea si las variables tienen escalas/distribuciones diferentes