当数据中没有标注示例时该怎么办？在本 Modulation 中，您将探索无监督学习，即算法自行在数据中寻找结构和见解。您将掌握 Cluster 等聚类技术（如 K-means 和分层聚类），对类似的客户、产品或行为进行分组，并学习如何检测可能代表欺诈或异常事件的异常情况。在本 Modulation 结束时，您将掌握强大的工具，揭示监督方法可能会遗漏的数据中隐藏的洞察力，从而扩展您的工具包，应对现实世界中的数据科学挑战。

您知道数据准备往往比算法选择更能决定模型的成败吗？在这个重要 Modulation 中，您将学习到数据预处理和 Feature Engineering 的关键技能，这些技能将新手与专业数据科学家区分开来。我们将指导您处理缺失数据、对 Categorical 变量进行编码、Scaling Feature 以及选择最重要的属性，从而让您的模型大放异彩。通过掌握这些技术，您将显著提高模型的准确性和 Reliability，确保它们在真实世界的杂乱数据中表现出色，否则，准备不足的模型就会失败。

让我们来弄清楚如何从基于时间的数据中正确做出预测！在本 Module 中，您将学习处理股票价格、销售预测和传感器读数等传统 ML 方法无法有效处理的时间相关数据的专项课程。您将使用 ARIMA、指数平滑和 Facebook Prophet 等工具实现实用的预测模型，了解如何识别趋势、季节性和其他时间模式。在本 Modulation 结束时，您将能够构建准确的预测系统，根据历史模式预测未来值，为您的机器学习工具包增添一项强大而紧俏的技能。