University · Artificial Intelligence · Machine Learning Foundations
Feature Engineering, Data Preprocessing, and Pipeline Design
4 Abschnitte
Missing value imputation strategies, outlier detection and treatment, categorical encoding (one-hot, ordinal, target, embeddings), feature scaling, feature selection (filter, wrapper, embedded), dimensionality reduction in preprocessing, class imbalance handling (SMOTE, cost-sensitive learning), and building robust sklearn-style pipelines.
Inhaltsübersicht
- Missing Values, Outliers, and Data Quality
- Categorical Encoding and Feature Scaling
- Feature Selection, Class Imbalance, and Dimensionality Reduction
- Robust Pipeline Design with sklearn-style Pipelines
📚 Vollständiges Lernmaterial mit 4 Abschnitten, Karteikarten und Quizzen verfügbar nach Anmeldung.
Jetzt kostenlos lernen →Related Topics
Interaktiv lernen mit Karteikarten & Quizzen
Melde dich an und lerne Machine Learning Foundations mit intelligenten Wiederholungen, Quizzen und KI-Lernhilfen. 7 Tage kostenlos.
Kostenlos testen