Extrair conhecimento útil ou insights de dados massivos é um dos maiores desafios enfrentado pelos cientistas de dados. Uma das principais tarefas utilizadas para diminuir a complexidade desses dados é reduzir sua dimensionalidade preservando as características (features) mais importantes. No ciclo de vida de ciência de dados, a tarefa de redução de dimensionalidade dos dados é executada na fase: A) treinamento do modelo; B) visualização de dados analíticos; C) entendimento do negócio; D) limpeza e preparação dos dados; E) tuning de hiperparâmetros.

D) limpeza e preparação dos dados;

Extrair conhecimento útil ou insights de dados...

Utilizamos cookies e tecnologias semelhantes para aprimorar sua experiência de navegação. Política de Privacidade.