Preparación de Datos para IA

Limpieza, transformación y feature engineering

x' = (x - μ) / σ

Objetivo de Aprendizaje

Aplicar técnicas de limpieza, transformación y preparación de datos para proyectos de ML.

Conceptos Clave

Valores faltantesOutliersNormalizaciónCodificación categóricaFeature engineeringBalanceo de clases

Ejemplo Empresarial

Un dataset de clientes tiene 15% de valores faltantes en 'ingreso mensual'. La estrategia: imputar con la mediana por segmento de edad, evitando sesgar el modelo con la media global.

💡Micro-Ejercicio1/5

¿Qué técnica de IBM Data Refinery se usa para manejar valores atípicos (outliers) en una variable de ingresos?

0/5 correctas