Die Weiterbildung „Datenwissenschaftler: Feature Engineering für ML“ richtet sich an Personen, die ihre Kenntnisse im Feature Engineering für maschinelles Lernen vertiefen möchten. Ziel der Maßnahme ist es, den Teilnehmenden zu vermitteln, wie sie die richtigen Features für Machine Learning-Modelle extrahieren und optimieren.

Modul 1: Einführung in Feature Engineering

• Bedeutung und Zielsetzung des Feature Engineering für Machine Learning

• Techniken zur Auswahl relevanter Features

• Methoden zur Erstellung neuer Features aus Rohdaten

Modul 2: Transformation und Normalisierung der Daten

• Datenvorverarbeitung: Skalierung, Normalisierung und Kodierung von Daten

• Umgang mit fehlenden Werten und Ausreißern

• Feature-Transformation und -Kombination für bessere Modellleistung

Modul 3: Automatisierung des Feature Engineering

• Automatisierte Feature-Engineering-Methoden

• Verwendung von Feature-Selection-Techniken zur Reduzierung von dimensionalen Daten

• Evaluierung von Feature-Sätzen und deren Einfluss auf Modellleistung

Nach Abschluss der Weiterbildung sind die Teilnehmenden in der Lage, den Feature Engineering-Prozess effektiv zu gestalten, die Qualität von Daten zu verbessern und so die Leistung von Machine Learning-Modellen zu optimieren.