Kurs Özeti
Koleksiyonlar ile düzeninizi koruyun
İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.
Makine Öğrenimi için Veri Hazırlığı ve Özellik Mühendisliği projelerini tamamladığınız için tebrikler.
Artık şunları nasıl yapacağınızı daha iyi anlamış olmalısınız:
- Veri kalitesi ve boyutunun algoritmalar üzerindeki göreceli etkisini anlama.
- Verileri dönüştüreceğiniz zamana dair bilinçli ve gerçekçi beklentiler belirleyin.
- Genel ML iş akışı içinde tipik veri toplama ve dönüştürme sürecini açıklama.
- Ham verileri toplama ve veri kümesi oluşturma.
- Dengesiz verilerle ilgili göz önünde bulundurulması gereken noktalarla veri kümenizi örnekleyin ve bölün.
- Sayısal ve kategorik verileri dönüştürün.
Aksi belirtilmediği sürece bu sayfanın içeriği Creative Commons Atıf 4.0 Lisansı altında ve kod örnekleri Apache 2.0 Lisansı altında lisanslanmıştır. Ayrıntılı bilgi için Google Developers Site Politikaları'na göz atın. Java, Oracle ve/veya satış ortaklarının tescilli ticari markasıdır.
Son güncelleme tarihi: 2023-10-20 UTC.
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"İhtiyacım olan bilgiler yok"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Çok karmaşık / çok fazla adım var"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Güncel değil"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Çeviri sorunu"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Örnek veya kod sorunu"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Diğer"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Anlaması kolay"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"Sorunumu çözdü"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Diğer"
}]