Diese kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.
Google Cloud

Feature Engineering en Español

3.601 bereits angemeldet

Bei Coursera Plus enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.4

(37 Bewertungen)

Stufe Mittel
Einige einschlägige Kenntnisse erforderlich
Es dauert 9 Stunden
3 Wochen bei 3 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.4

(37 Bewertungen)

Stufe Mittel
Einige einschlägige Kenntnisse erforderlich
Es dauert 9 Stunden
3 Wochen bei 3 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

  • Describir Vertex AI Feature Store y comparar los aspectos clave que debe tener un atributo útil

  • Realizar ingeniería de atributos con BigQuery ML, Keras y TensorFlow

  • Analizar cómo procesar previamente y explorar atributos con Dataflow y Dataprep

  • Usar tf.Transform

Kompetenzen, die Sie erwerben

  • Kategorie: Tensorflow
  • Kategorie: Python Programming
  • Kategorie: Machine Learning
  • Kategorie: Feature Engineering

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

6 Aufgaben

Unterrichtet in Spanisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung Machine Learning with TensorFlow on Google Cloud en Español
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • Lernen Sie neue Konzepte von Branchenexperten
  • Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
  • Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
  • Erwerben Sie ein Berufszertifikat zur Vorlage
Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

In diesem Kurs gibt es 8 Module

En este módulo, se brinda una descripción general del curso y sus objetivos.

Das ist alles enthalten

1 Video

En este módulo, se presenta Vertex AI Feature Store.

Das ist alles enthalten

6 Videos1 Lektüre1 Aufgabe

La ingeniería de atributos suele ser la fase más larga y difícil de la creación de proyectos de AA. En el proceso de ingeniería de atributos, se comienza con los datos sin procesar y se utiliza el propio conocimiento del dominio para crear atributos que hagan funcionar los algoritmos de aprendizaje automático. En este módulo, exploramos qué elementos son buenos atributos y cómo representarlos en un modelo de AA.

Das ist alles enthalten

9 Videos1 Lektüre1 Aufgabe

En este módulo, se analizan las diferencias entre el aprendizaje automático y las estadísticas, y cómo realizar ingeniería de atributos en BigQuery ML y Keras. También abordaremos algunas prácticas avanzadas de ingeniería de atributos.

Das ist alles enthalten

12 Videos1 Lektüre1 Aufgabe3 App-Elemente

En este módulo, aprenderás más sobre Dataflow, una tecnología complementaria a Apache Beam. Ambas soluciones pueden ayudar a crear y ejecutar el procesamiento previo y la ingeniería de atributos.

Das ist alles enthalten

3 Videos1 Lektüre1 Aufgabe

En el aprendizaje automático tradicional, las combinaciones de atributos no desempeñan un rol significativo. Sin embargo, en los métodos modernos de AA, estas son una parte invaluable de tu kit de herramientas. En este módulo, aprenderás a reconocer los tipos de problemas en los que las combinaciones de atributos son un medio potente para facilitar el aprendizaje automático.

Das ist alles enthalten

5 Videos1 Lektüre1 Aufgabe

TensorFlow Transform (tf.Transform) es una biblioteca para el procesamiento previo de datos con TensorFlow que resulta útil cuando este proceso requiere un pase completo de datos. Por ejemplo, normalizar un valor de entrada según la media y la desviación estándar, generar números enteros a partir del vocabulario analizando valores en todos los ejemplos de entrada y agrupar las entradas según la distribución de datos observada. En este módulo, explicaremos los casos de uso de tf.Transform.

Das ist alles enthalten

5 Videos1 Lektüre1 Aufgabe

Este módulo es un resumen del curso Feature Engineering.

Das ist alles enthalten

4 Lektüren

Dozent

Lehrkraftbewertungen
4.0 (6 Bewertungen)
Google Cloud Training
Google Cloud
1.693 Kurse2.814.848 Lernende

von

Google Cloud

Empfohlen, wenn Sie sich für Machine Learning interessieren

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

4.4

37 Bewertungen

  • 5 stars

    67,56 %

  • 4 stars

    16,21 %

  • 3 stars

    8,10 %

  • 2 stars

    0 %

  • 1 star

    8,10 %

Zeigt 3 von 37 an

DH
5

Geprüft am 24. Okt. 2024

OR
5

Geprüft am 28. Sep. 2020

GR
5

Geprüft am 24. Sep. 2020

Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen