【初心者向け】機械学習モデル構築で重要な特徴量エンジニアリングのテクニックをPythonを使って学んでいこう！

このコースは、機械学習において最も重要なステップの一つである「特徴量エンジニアリング」を、初心者でも理解できるよう丁寧に解説していきます。

特徴量エンジニアリングには様々なテクニックがありますが、その中でもよく使うものをピックアップして解説していきます。

・外れ値の処理方法

・欠損値の処理方法

・不均衡データへの対処方法

・既存の特徴量を組み合わせた新たな特徴量の作成

・カテゴリ変数の様々なエンコーディング方法（One-Hot, Label Encodingなど）

・日付データの処理やサイクルエンコーディング

・クラスター分析を使った新たな特徴量の作成

・数値変数のスケーリング（ログ変換）

など、実務でも役立つテクニックを順を追って学んでいきます。

また、それらを学んだ後にKaggleというデータ分析コンペで最初のトライアルとしてよく使われるタイタニックのデータを使って、実際に手を動かしながら特徴量を工夫してモデル精度を上げるプロセスを体験していただきます

「モデルを作ったけど精度が上がらない」「もっと実践的な知識をつけたい」そんな方にぴったりの内容です。

ぜひ特徴量エンジニアリングをマスターして市場価値の高い人材になりましょう！