深度学习课程大纲_深度学习必备前置课程：数据准备和特征工程上线啦

“Garbage in, garbage out !”，在计算机科学界一直广为流传！这句话放到数据科学上也同样成立， 高质量的数据永远排在第一位。但是数据总会存在不完整、噪声、不一致、错误值、离群值、重复各种问题，数据集特征也形形色色的。也许不学特征工程也可以建模深度学习，但是一定没法建好模型；你还在苦苦调参，如何训练精度都不高吗？也许是数据预处理的锅，也许是特征没选对。因此， 数据准备和特征工程作为数据科学、机器学习、深度学习等各类项目中不可或缺的环节，是每个从业者必须熟练掌握相关操作技能。在此基础下，齐伟老师研发了《数据准备和特征工程》课程，课程涵盖了感知数据、数据清理、特征变换、特征选择、特征抽取等内容。 注重基础和前沿相结合，以案例为载体，传授思想方法，让更多学生能够真正掌握知识。毕竟，数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已！巧妇难为无米之炊，而 数据准备和特征工程，就是为深度学习提供"米"。为了更有利于学习者学习，免除不必要的麻烦，高效学习。齐伟老师将本课程在AI Studio上发布。 面向全社会提供免费课程服务，大家只要登录AI Studio，就能立刻学习专业的大学实践课程。

 课程大纲

主讲教师

学习收获

认真学完本课程代码后，你将能够： 1、掌握数据准备、数据清理、特征工程的常用方法。 2、了解工程实践中相关操作要求和方法。 3、为深度学习等相关的项目开发者提供有关技术指导和启发。

课程优势

注重工程实践：通过大量案例，向学习者演示了各种方法的具体实现方式。 基础与前沿结合：考虑到现实项目的复杂性，在具体项目中用到各种工具及最新的研发成果，为此专设了“扩展探究”供学习者了解更多精彩内容。 以案例为载体，传授思想方法：以“项目案例”为载体，不仅讲述操作技法，还让学习者体验其中的思想方法，并且在“动手练习”中提供了练习项目，供学习者检验和巩固所学内容。

学员评价

即便需求紧跟业务千变万化，但是 处理数据的流程和思路却万变不离其宗。机缘巧合看到了数据处理及特征工程相关的公开课，因和平常工作紧密相关，于是抱着极大的兴趣听完了课程，收获颇丰。时间所限单次公开课仅阐述其中一个点，一个问题，一个场景，但 抛出了多种解决方案，几乎覆盖了常用的几种方法，且能举一反三。——玉环(数据工程师)对于每一个现实生活中的落地项目来说，最大的投入往往在数据准备阶段，这也是最具决定性的阶段。数据的缺陷，是难以通过模型改进来解决的。而反之，如果数据足够多，足够准，无论你用多简单的模型，也能获得一个令人满意的成果。 总的来说，无论你是处理日常办公的数据，还是想深入学习人工智能，都能为你的发展打下坚实的基础。——洪贤斌博士1、语言风趣幽默，文字朴实简练，极易引起阅读的兴趣；2、基础知识点详细，分析逻辑清晰，有理有据；3、指导性学习，间接地指导学习的方法；4、框架和体系完整，对于学习的技能有引导性的意义。 通过齐老师讲解的通俗易懂的方式，跟随老齐的思维打开机器学习的大门！——车啸(甘肃某高校)

学员要求

学习本课程，需要学员具有如下前置知识：· Python基础知识· 熟练使用Numpy、Pandas、Matplotlib· 会应用scikit-learn· 在学习过程中，将本课程中的代码与部分视频和书籍对照学习使用，尽可能将代码逐一调试，理解其含义。

配套书籍

* 本课程是与《数据准备和特征工程》一书配套的公开课。学习者可以参考书上的详细说明，并配合本课程的视频及代码进行学习。

报名通道

此套课程已经公开在AI Studio，大家扫描下方二维码，即可开启你的学习之旅～