Google Cloud
Feature Engineering em Português Brasileiro

Durée limitée ! Obtenez Coursera Plus avec 30 % de réduction.

Réinitialiser. Réinventer. Atteindre de nouveaux objectifs professionnels. Profitez de votre offre maintenant.

Ce cours n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues.
Google Cloud

Feature Engineering em Português Brasileiro

Ce cours fait partie de Spécialisation Machine Learning with TensorFlow on Google Cloud em Português Brasileiro

Enseigné en Portugais (Brésil)

Google Cloud Training

Instructeur : Google Cloud Training

Inclus avec Coursera Plus

Cours

Familiarisez-vous avec un sujet et apprenez les fondamentaux

4.5

(15 avis)

niveau Intermédiaire
Certaines connaissances prérequises
8 heures (approximativement)
Planning flexible
Apprenez à votre propre rythme

Ce que vous apprendrez

  • Descrever a Vertex AI Feature Store e comparar os principais aspectos necessários para um bom atributo.

  • Usar a engenharia de atributos no BigQuery ML, no Keras e no TensorFlow.

  • Analisar como pré-processar e usar atributos com o Dataflow e o Dataprep.

  • Usar o tf.Transform.

Compétences que vous acquerrez

  • Catégorie : 1.96
  • Catégorie : Values Modes
  • Catégorie : A Priori And A Posteriori
  • Catégorie : Critical Value

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

6 quizzes

Cours

Familiarisez-vous avec un sujet et apprenez les fondamentaux

4.5

(15 avis)

niveau Intermédiaire
Certaines connaissances prérequises
8 heures (approximativement)
Planning flexible
Apprenez à votre propre rythme

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Placeholder

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation Machine Learning with TensorFlow on Google Cloud em Português Brasileiro
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
  • Apprenez de nouveaux concepts auprès d'experts du secteur
  • Acquérez une compréhension de base d'un sujet ou d'un outil
  • Développez des compétences professionnelles avec des projets pratiques
  • Obtenez un certificat professionnel partageable
Placeholder
Placeholder

Obtenez un certificat professionnel

Ajoutez cette qualification à votre profil LinkedIn ou à votre CV

Partagez-le sur les réseaux sociaux et dans votre évaluation de performance

Placeholder

Il y a 8 modules dans ce cours

Neste módulo, apresentamos uma visão geral do curso e dos objetivos.

Inclus

1 vidéo

Este módulo apresenta a Vertex AI Feature Store.

Inclus

6 vidéos1 lecture1 quiz

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 de ML.

Inclus

9 vidéos1 lecture1 quiz

Neste módulo, analisamos as diferenças entre machine learning e estatística, além de mostrar como executar a engenharia de atributos no BigQuery ML e no Keras. Também vamos abordar algumas práticas avançadas desse processo.

Inclus

12 vidéos1 lecture1 quiz3 éléments d'application

Neste módulo, você vai saber mais 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.

Inclus

3 vidéos1 lecture1 quiz

Os cruzamentos de atributos não têm um papel muito significativo nos processos tradicionais de machine learning. Porém, para os métodos de ML atuais, eles são uma 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.

Inclus

5 vidéos1 lecture1 quiz

"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."

Inclus

5 vidéos1 lecture1 quiz

Este módulo é um resumo do curso Feature Engineering

Inclus

4 lectures

Instructeur

Google Cloud Training
Google Cloud
1 548 Cours2 678 283 apprenants

Offert par

Google Cloud

Recommandé si vous êtes intéressé(e) par Machine Learning

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Placeholder

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement

Faites progresser votre carrière avec un diplôme en ligne

Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne

Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires

Améliorez les compétences de vos employés pour exceller dans l’économie numérique

Foire Aux Questions