آموزش جریان کاری هوش مصنوعی: مهندسی ویژگی‌ها و تشخیص سوگیری - آخرین آپدیت

تبدیلات داده‌ها و مهندسی ویژگی‌ها Data transforms and feature engineering

• مروری بر تبدیل‌های داده‌ها Data Transformations Overview

• مقدمه‌ای بر عدم توازن کلاس‌ها Introduction to Class Imbalance

• بررسی عمیق عدم توازن کلاس‌ها Class Imbalance Deep Dive

• مقدمه‌ای بر کاهش ابعاد Introduction to Dimensionality Reduction

• کاهش ابعاد Dimension Reduction

• مقدمه مطالعه موردی / مهندسی ویژگی‌ها Case Study Intro / Feature Engineering

بهترین روش‌های تشخیص الگو و داده‌کاوی Pattern recognition and data mining best practices

• بررسی ابزار AI Fairness 360 شرکت IBM Exploring IBM's AI Fairness 360 Toolkit

• مقدمه‌ای بر داده‌های پرت Introduction to Outliers

• تشخیص داده‌های پرت Outlier Detection

• مقدمه‌ای بر یادگیری بدون نظارت Introduction to Unsupervised learning

• یادگیری بدون نظارت Unsupervised Learning