课程主页: https://www.coursera.org/learn/feature-engineering
在当今数据驱动的世界中，特征工程是机器学习（ML）项目成功的关键因素之一。Coursera上的“Feature Engineering”课程专注于利用Vertex AI Feature Store来提升ML模型的准确性，并帮助学习者理解如何找到最有用的数据特征。本课程不仅提供了理论讲解，还包含使用BigQuery ML、Keras和TensorFlow进行特征工程的实践实验。
### 课程概述
本课程分为7个模块，详细介绍了特征工程的各个方面：
– **模块0: 引言**
本模块提供了课程概述和学习目标。
– **模块1: Vertex AI Feature Store简介**
本模块介绍了Vertex AI Feature Store的基本概念。
– **模块2: 从原始数据到特征**
特征工程往往是构建ML项目中最长且最具挑战性的阶段。我们将探讨什么是优秀特征，以及如何在ML模型中表示这些特征。
– **模块3: 特征工程**
在这一模块中，我们将回顾机器学习与统计学之间的差异，并介绍在BigQuery ML和Keras中进行特征工程的方法。
– **模块4: 数据预处理和特征创建**
进一步学习Dataflow，这是Apache Beam的补充技术，帮助您构建和运行预处理及特征工程。
– **模块5: 特征交叉 – TensorFlow Playground**
本模块将探讨特征交叉在现代ML方法中的重要性，以及如何识别适合利用特征交叉的问题。
– **模块6: TensorFlow Transform简介**
本模块介绍TensorFlow Transform（tf.Transform），一个用于数据预处理的库，探索其多种使用场景。
– **模块7: 总结**
该模块总结了特征工程课程的重点内容。
### 课程评价
“Feature Engineering”课程适合希望深入了解特征工程的学习者，包括数据科学家和机器学习工程师。课程内容全面，既有理论知识，也有实际操作，很好地平衡了这两者。尤其是对Vertex AI Feature Store，以及如何通过BigQuery ML、Keras和TensorFlow进行特征设计的详细讲解，让学习者在实践中积累经验。总之，这是一个结构良好且极具价值的课程，非常推荐给想要提升自身技能的朋友们。
课程主页: https://www.coursera.org/learn/feature-engineering