آموزش مهندسی ویژگی

Feature Engineering

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: آیا می خواهید بدانید که چگونه می توانید دقت مدل های ML خود را بهبود ببخشید؟ در مورد چگونگی یافتن ستون های داده ای که مفیدترین ویژگی ها را دارند چطور؟ به Feature Engineering خوش آمدید ، جایی که ما درمورد ویژگی های خوب و بد و اینکه چگونه می توانید پیش پردازش کنید و ... بحث می کنیم می خواهید بدانید که چگونه می توانید دقت مدل های ML خود را بهبود ببخشید؟ در مورد چگونگی یافتن ستون های داده ای که مفیدترین ویژگی ها را دارند چطور؟ به Feature Engineering خوش آمدید ، جایی که ما در مورد ویژگی های خوب در مقابل ویژگی های بد و چگونگی پیش پردازش و تبدیل آنها برای استفاده بهینه در مدل های خود بحث خواهیم کرد.

سرفصل ها و درس ها

مقدمه ای بر دوره Introduction to Course

  • مقدمه ای بر دوره Introduction to Course

داده های خام به ویژگی ها Raw Data to Features

  • مروری بر مهندسی ویژگی ها An Overview of Feature Engineering

  • داده های خام به ویژگی ها Raw Data to Features

  • ویژگی های خوب در مقابل بد Good vs Bad Features

  • ویژگی های شناخته شده در زمان پیش بینی Features Known at Prediction-time

  • ویژگی ها باید عددی باشد Features should be Numeric

  • ویژگی ها باید به اندازه کافی مثال داشته باشند Features Should Have Enough Examples

  • آوردن بینش انسانی Bringing Human Insight

  • نمایندگی ویژگی ها Representing Features

  • ML در مقابل آمار ML vs Statistics

  • مقدمه آزمایشگاه: مهندسی ویژگی های اساسی در BQML Lab Intro: Basic Feature Engineering in BQML

  • شروع کار با GCP و Qwiklabs Getting Started With GCP And Qwiklabs

  • آزمایشگاه: انجام مهندسی ویژگی های اساسی در BQML Lab: Performing Basic Feature Engineering in BQML

  • مقدمه آزمایشگاه: مهندسی ویژگی های اساسی در کراس Lab Intro: Basic Feature Engineering in Keras

  • آزمایشگاه: انجام مهندسی ویژگی های اساسی در کراس Lab: Performing Basic Feature Engineering in Keras

  • منابع Resources

پیش پردازش و ایجاد ویژگی Preprocessing and feature creation

  • پرتو و گردش داده Beam and Dataflow

  • آزمایشگاه معرفی: خط لوله ساده داده ها Lab Intro: Simple Dataflow Pipeline

  • آزمایشگاه: خط لوله ساده جریان داده (پایتون) Lab: A simple Dataflow pipeline (Python)

  • راه حل آزمایشگاهی: خط لوله ساده گردش داده Lab Solution: A Simple Dataflow Pipeline

  • مقادیر خطوط لوله داده Data Pipelines that Scale

  • معرفی آزمایشگاه: MapReduce در گردش داده Lab Intro: MapReduce in Dataflow

  • آزمایشگاه: MapReduce در جریان داده (پایتون) Lab: MapReduce in Dataflow (Python)

  • راه حل آزمایشگاهی: MapReduce در گردش اطلاعات Lab Solution: MapReduce in Dataflow

  • پیش پردازش با Cloud Dataprep Preprocessing with Cloud Dataprep

  • Lab Intro: محاسبه ویژگی های Window Time در Cloud Dataprep Lab Intro: Computing Time-Windowed Features in Cloud Dataprep

  • آزمایشگاه: محاسبه ویژگی های پنجره زمان در Cloud Dataprep Lab: Computing Time-Windowed Features in Cloud Dataprep

  • راه حل آزمایشگاهی: محاسبه ویژگی های زمان بندی شده در Cloud Dataprep Lab Solution: Computing Time-Windowed Features in Cloud Dataprep

  • منابع Resources

صلیب های ویژه Feature Crosses

  • معرفی ویژگی های صلیب Introducing Feature Crosses

  • صلیب ویژگی چیست What is a Feature Cross

  • گسسته سازی Discretization

  • حفظ در مقابل تعمیم Memorization vs. Generalization

  • رنگهای تاکسی Taxi colors

  • Lab Intro: Feature Crosss برای ایجاد یک طبقه بندی خوب Lab Intro: Feature Crosses to create a good classifier

  • راه حل آزمایشگاهی: ویژگی های متقاطع برای ایجاد یک طبقه بندی کننده خوب Lab Solution: Feature Crosses to create a good classifier

  • Sparsity + مسابقه Sparsity + Quiz

  • معرفی آزمایشگاه: بیش از حد چیز خوبی است Lab Intro: Too Much of a Good Thing

  • راه حل آزمایشگاهی: خیلی چیز خوبی است Lab Solution: Too Much of a Good Thing

  • پیاده سازی ویژگی های متقاطع Implementing Feature Crosses

  • تعبیه ویژگی های صلیب Embedding Feature Crosses

  • ایجاد ویژگی در TensorFlow Feature Creation in TensorFlow

  • ایجاد ویژگی در DataFlow Feature Creation in DataFlow

  • معرفی آزمایشگاه: بهبود مدل ML با مهندسی ویژگی Lab Intro: Improve ML Model with Feature Engineering

  • آزمایشگاه: مدل مهندسی ویژگی را با مهندسی ویژگی بهبود بخشید Lab: Improve Machine Learning model with Feature Engineering

  • راه حل آزمایشگاهی (p1): ML Fairness Debrief Lab Solution (p1): ML Fairness Debrief

  • آزمایشگاه معرفی: مهندسی ویژگی پیشرفته در BQML Lab Intro: Advanced Feature Engineering in BQML

  • آزمایشگاه: انجام مهندسی ویژگی پیشرفته در BQML Lab: Performing Advanced Feature Engineering in BQML

  • آزمایشگاه معرفی: مهندسی ویژگی پیشرفته در کراس Lab Intro: Advanced Feature Engineering in Keras

  • آزمایشگاه: انجام مهندسی ویژگی پیشرفته در کراس Lab: Performing Advanced Feature Engineering in Keras

  • منابع Resources

تبدیل TensorFlow TensorFlow Transform

  • معرفی تغییر شکل TensorFlow Introducing TensorFlow Transform

  • تبدیل TensorFlow TensorFlow Transform

  • مرحله تجزیه و تحلیل Analyze phase

  • مرحله تغییر شکل Transform phase

  • پشتیبانی از خدمت کردن Supporting serving

  • معرفی آزمایشگاه: بررسی tf.transform Lab Intro: Exploring tf.transform

  • آزمایشگاه: بررسی tf.transform Lab: Exploring tf.transform

  • منابع Resources

خلاصه Summary

  • خلاصه دوره Course Summary

  • منابع Resources

  • تمام سوالات مسابقه به صورت PDF All Quiz Questions as a PDF

منابع دوره Course Resources

  • اسلایدهای دوره Course Slides

نمایش نظرات

نظری ارسال نشده است.

آموزش مهندسی ویژگی
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
3h 2m
63
Pluralsight (پلورال سایت) pluralsight-small
07 مهر 1399 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
-
از 5
دارد
دارد
دارد
Google Cloud

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Google Cloud Google Cloud

ایجاد تحول دیجیتال با آموزش درخواستی

Google Cloud آموزش و گواهینامه های درخواستی را در فناوری های ابری در حال ظهور ارائه می دهد.

Google Cloud با صدها آزمایشگاه، دوره و نشان مهارت، متخصصان را قادر می‌سازد تا مهارت‌های ابری حیاتی را با سرعت خودشان ایجاد کنند. آزمایشگاه‌های عملی این شرکت اعتبارنامه‌های موقتی را به منابع واقعی ابر ارائه می‌دهند، بنابراین افراد می‌توانند Google Cloud را با استفاده از چیز واقعی یاد بگیرند. فراگیران همچنین می توانند با کسب گواهینامه های Google Cloud و/یا نشان های مهارتی که می توانند با شبکه خود به اشتراک بگذارند، تخصص خود را تأیید کنند.

در وب‌سایت رسمی Google Cloud بیشتر بیاموزید.

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.