Aprenda a preparar dados brutos para aprendizado de máquina dominando técnicas-chave de transformação de dados. Esta lição abrange etapas essenciais, como lidar com valores ausentes, normalização de recursos, padronização e codificação de variáveis categóricas. Você verá exemplos práticos usando o conjunto de dados do Titanic, garantindo que seus dados estejam prontos para modelagem precisa e eficiente.
Acompanhe enquanto demonstramos métodos práticos para escalonar e codificar recursos, construir pipelines de pré-processamento e dividir dados para treinamento e teste. Ao final, você entenderá a importância de dados limpos e bem transformados e será capaz de aplicar essas habilidades em seus próprios projetos.
00:00 Introdução à Transformação de Dados
00:18 Configurando um Ambiente Limpo
00:46 O que é Transformação de Dados
01:51 Carregando e Explorando o Conjunto de Dados do Titanic
02:55 Por que Transformar Recursos
03:21 Identificando e Lidando com Valores Ausentes
04:47 Normalização vs Padronização Explicada
05:18 Selecionando Colunas para Escalonamento
06:06 Aplicando Normalização aos Recursos
07:12 Padronizando Dados Numéricos
08:13 Codificando Colunas de Texto
08:29 Exemplo de Codificação de Rótulos
09:40 Exemplo de Codificação One Hot
10:36 Automatizando o Pré-processamento com Pipelines
13:08 Importância do Escalonamento de Recursos
13:35 Mini Projeto: Fluxo Completo de Pré-processamento
15:22 Prática de Normalização Manual
16:24 Demonstração de Normalização com Entrada do Usuário
17:32 Dicas para Escalonamento de Recursos
18:00 Identificando Colunas para Codificação
18:45 Recapitulação e Principais Aprendizados
19:13 Próximos Passos e Chamada à Ação
#DataScience #MachineLearning #PythonTutorial