Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Desafio 1 | Passando para as Tarefas
Pré-processamento de Dados
course content

Conteúdo do Curso

Pré-processamento de Dados

Pré-processamento de Dados

1. Breve Introdução
Tipos de DadosMétodos de Processamento de DadosConjunto de Dados: Teste e TreinamentoExcluindo um Dado "Extra"Alterando o Tipo de Dados
2. Processamento de Dados Quantitativos
Escalonamento de DadosEscalonamento de Dados vs Normalização de DadosRemovendo OutliersRemovendo Valores AusentesAumento de Dados: Dados Sintéticos
3. Processamento de Dados Categóricos
Métodos para Codificar os Dados CategóricosCodificação One-HotCodificação OrdinalCodificação de Rótulos da Variável AlvoDesafio
4. Processamento de Dados de Séries Temporais
Conversão de Tipo de DadosLimpeza de DadosEstacionaridadeRedução de RuídoDivisão Treino/Teste & Validação CruzadaDesafio
5. Engenharia de Recursos
Ideia de TécnicaRealizaçãoExtração de Características de TextoExtração de Características de ImagensExtração de Características de Séries TemporaisDesafio
6. Passando para as Tarefas
Desafio 1Desafio 2Desafio 3

Desafio 1

Tarefa

Neste desafio, você precisará trabalhar com o conjunto de dados 'adult-census.csv'. Ele contém dados tanto categóricos quanto numéricos. Sua tarefa será preparar os dados para processamento.

  1. Leia o conjunto de dados 'adult-census.csv'
  2. Explore o conjunto de dados. Verifique com atenção qual caractere indica os dados ausentes no conjunto de dados e substitua-o pelo objeto np.nan
  3. Remova as linhas com valores ausentes
  4. Comecemos pelo processamento de dados categóricos - colunas 'workclass', 'sex'. Use um método de codificação one-hot para codificá-los
  5. Para dados numéricos ('age', 'hours-per-week'), você precisará escalar os dados
  6. Imprima os dados processados

Tarefa

Neste desafio, você precisará trabalhar com o conjunto de dados 'adult-census.csv'. Ele contém dados tanto categóricos quanto numéricos. Sua tarefa será preparar os dados para processamento.

  1. Leia o conjunto de dados 'adult-census.csv'
  2. Explore o conjunto de dados. Verifique com atenção qual caractere indica os dados ausentes no conjunto de dados e substitua-o pelo objeto np.nan
  3. Remova as linhas com valores ausentes
  4. Comecemos pelo processamento de dados categóricos - colunas 'workclass', 'sex'. Use um método de codificação one-hot para codificá-los
  5. Para dados numéricos ('age', 'hours-per-week'), você precisará escalar os dados
  6. Imprima os dados processados
Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo

Tudo estava claro?

Seção 6. Capítulo 1
toggle bottom row

Desafio 1

Tarefa

Neste desafio, você precisará trabalhar com o conjunto de dados 'adult-census.csv'. Ele contém dados tanto categóricos quanto numéricos. Sua tarefa será preparar os dados para processamento.

  1. Leia o conjunto de dados 'adult-census.csv'
  2. Explore o conjunto de dados. Verifique com atenção qual caractere indica os dados ausentes no conjunto de dados e substitua-o pelo objeto np.nan
  3. Remova as linhas com valores ausentes
  4. Comecemos pelo processamento de dados categóricos - colunas 'workclass', 'sex'. Use um método de codificação one-hot para codificá-los
  5. Para dados numéricos ('age', 'hours-per-week'), você precisará escalar os dados
  6. Imprima os dados processados

Tarefa

Neste desafio, você precisará trabalhar com o conjunto de dados 'adult-census.csv'. Ele contém dados tanto categóricos quanto numéricos. Sua tarefa será preparar os dados para processamento.

  1. Leia o conjunto de dados 'adult-census.csv'
  2. Explore o conjunto de dados. Verifique com atenção qual caractere indica os dados ausentes no conjunto de dados e substitua-o pelo objeto np.nan
  3. Remova as linhas com valores ausentes
  4. Comecemos pelo processamento de dados categóricos - colunas 'workclass', 'sex'. Use um método de codificação one-hot para codificá-los
  5. Para dados numéricos ('age', 'hours-per-week'), você precisará escalar os dados
  6. Imprima os dados processados
Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo

Tudo estava claro?

Seção 6. Capítulo 1
toggle bottom row

Desafio 1

Tarefa

Neste desafio, você precisará trabalhar com o conjunto de dados 'adult-census.csv'. Ele contém dados tanto categóricos quanto numéricos. Sua tarefa será preparar os dados para processamento.

  1. Leia o conjunto de dados 'adult-census.csv'
  2. Explore o conjunto de dados. Verifique com atenção qual caractere indica os dados ausentes no conjunto de dados e substitua-o pelo objeto np.nan
  3. Remova as linhas com valores ausentes
  4. Comecemos pelo processamento de dados categóricos - colunas 'workclass', 'sex'. Use um método de codificação one-hot para codificá-los
  5. Para dados numéricos ('age', 'hours-per-week'), você precisará escalar os dados
  6. Imprima os dados processados

Tarefa

Neste desafio, você precisará trabalhar com o conjunto de dados 'adult-census.csv'. Ele contém dados tanto categóricos quanto numéricos. Sua tarefa será preparar os dados para processamento.

  1. Leia o conjunto de dados 'adult-census.csv'
  2. Explore o conjunto de dados. Verifique com atenção qual caractere indica os dados ausentes no conjunto de dados e substitua-o pelo objeto np.nan
  3. Remova as linhas com valores ausentes
  4. Comecemos pelo processamento de dados categóricos - colunas 'workclass', 'sex'. Use um método de codificação one-hot para codificá-los
  5. Para dados numéricos ('age', 'hours-per-week'), você precisará escalar os dados
  6. Imprima os dados processados
Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo

Tudo estava claro?

Tarefa

Neste desafio, você precisará trabalhar com o conjunto de dados 'adult-census.csv'. Ele contém dados tanto categóricos quanto numéricos. Sua tarefa será preparar os dados para processamento.

  1. Leia o conjunto de dados 'adult-census.csv'
  2. Explore o conjunto de dados. Verifique com atenção qual caractere indica os dados ausentes no conjunto de dados e substitua-o pelo objeto np.nan
  3. Remova as linhas com valores ausentes
  4. Comecemos pelo processamento de dados categóricos - colunas 'workclass', 'sex'. Use um método de codificação one-hot para codificá-los
  5. Para dados numéricos ('age', 'hours-per-week'), você precisará escalar os dados
  6. Imprima os dados processados
Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo
Seção 6. Capítulo 1
Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo
We're sorry to hear that something went wrong. What happened?
some-alt