آموزش پردازش داده‌ها و مهندسی ویژگی با متلب (MATLAB) - آخرین آپدیت

دانلود Data Processing and Feature Engineering with MATLAB

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره، شما مهارت‌های آموخته شده در دوره «تحلیل اکتشافی داده‌ها با متلب» را گسترش می‌دهید تا پایه‌های لازم برای مدل‌سازی پیش‌بینانه را بنا کنید. این دوره در سطح متوسط است و برای هر کسی که نیاز دارد داده‌ها را از منابع یا بازه‌های زمانی مختلف ترکیب کند و به مدل‌سازی علاقه‌مند است، مفید خواهد بود. این مهارت‌ها برای افرادی که دانش تخصصی در حوزه کاری خود دارند و با ابزارهای محاسباتی آشنا هستند اما پیشینه برنامه‌نویسی ندارند، بسیار ارزشمند است. برای موفقیت در این دوره، باید با مفاهیم پایه آمار (هیستوگرام، میانگین، انحراف معیار، برازش منحنی، درون‌یابی) آشنا باشید و دوره تحلیل اکتشافی داده‌ها با متلب را گذرانده باشید. در طول این دوره، شما داده‌های مجموعه‌های مختلف را ادغام کرده و سناریوهای رایج مانند داده‌های گم‌شده (Missing Data) را مدیریت خواهید کرد. در آخرین بخش دوره، تکنیک‌های ویژه برای مدیریت داده‌های متنی، صوتی و تصویری را که در علم داده و مدل‌سازی‌های پیشرفته رایج هستند، بررسی می‌کنید. در پایان این دوره، یاد می‌گیرید که چگونه داده‌های خود را بصری‌سازی کرده، آن‌ها را پاک‌سازی و برای تحلیل مرتب کنید و ویژگی‌های ضروری برای پاسخ به سوالات پژوهشی خود را شناسایی نمایید. همچنین قادر خواهید بود توزیع داده‌های خود را مشاهده کرده و با استفاده از بازرسی بصری، نویزها و خطاهایی که بر دقت مدل‌سازی اثر می‌گذارند را برطرف کنید.

سرفصل ها و درس ها

بررسی داده‌های شما Surveying Your Data

  • علم داده کاربردی با متلب Practical Data Science with MATLAB

  • مروری بر پردازش داده‌ها و مهندسی ویژگی Overview of Data Processing and Feature Engineering

  • معرفی مدرس Instructor Introduction

  • مقدمه‌ای بر بخش اول Introduction to Module 1

  • معرفی مجموعه داده‌های پرواز Introduction to the Flights Dataset

  • کاوش در مجموعه داده‌های پرواز Exploring the Flights Dataset

  • توصیف توزیع‌ها Describing Distributions

  • نمونه‌هایی از توزیع‌ها Examples of Distributions

  • بصری‌سازی داده‌های چندبعدی Visualizing Multidimensional Data

  • خلاصه بخش اول: بررسی داده‌های شما Summary of Module 1: Surveying Your Data

سازماندهی داده‌های شما Organizing Your Data

  • مقدمه‌ای بر بخش دوم: سازماندهی داده‌های شما Introduction to Module 2: Organizing Your Data

  • کار با رشته‌ها (Strings) Working with Strings

  • کار با تاریخ و زمان Working with Dates and Times

  • وارد کردن چندین فایل داده Importing Multiple Data Files

  • ترکیب داده‌ها Combining Data

  • اتصال جداول Joining Tables

  • مرتب‌سازی داده‌ها Sorting Your Data

  • خلاصه بخش دوم: سازماندهی داده‌های شما Summary of Module 2: Organizing Your Data

پاک‌سازی داده‌های شما Cleaning Your Data

  • مقدمه‌ای بر بخش سوم: پاک‌سازی داده‌های شما Introduction to Module 3: Cleaning Your Data

  • شناسایی داده‌های گم‌شده Identifying Missing Data

  • مدیریت داده‌های گم‌شده Handling Missing Data

  • شناسایی داده‌های پرت (Outliers) Identifying Outliers

  • بررسی داده‌های پرت Investigating Outliers

  • نرمال‌سازی داده‌ها Normalizing Data

  • نمونه‌هایی از نرمال‌سازی داده‌ها Examples of Normalizing Data

  • هموارسازی داده‌ها Smoothing Data

  • خلاصه بخش سوم: پاک‌سازی داده‌های شما Summary of Module 3: Cleaning Your Data

یافتن ویژگی‌های اثرگذار Finding Features that Matter

  • مقدمه‌ای بر بخش چهارم: یافتن ویژگی‌های اثرگذار Introduction to Module 4: Finding Features that Matter

  • مقدمه‌ای بر مهندسی ویژگی Introduction to Feature Engineering

  • مقدمه‌ای بر یادگیری بدون نظارت Introduction to Unsupervised Learning

  • مقدمه‌ای بر الگوریتم‌های خوشه‌بندی Introduction to Clustering Algorithms

  • ارزیابی ویژگی‌ها Evaluating Features

  • مقدمه‌ای بر کاهش ابعاد و PCA Introduction to Dimensionality Reduction and PCA

  • خلاصه بخش چهارم: یافتن ویژگی‌های اثرگذار Summary of Module 4: Finding Features that Matter

مهندسی ویژگی‌های تخصصی هر حوزه Domain-Specific Feature Engineering

  • مقدمه‌ای بر بخش پنجم: مهندسی ویژگی‌های تخصصی هر حوزه Introduction to Module 5: Domain-Specific Feature Engineering

  • گردش کار مهندسی ویژگی Feature Engineering Workflow

  • همگام‌سازی داده‌ها با جداول زمانی (Timetables) Synchronizing Data with Timetables

  • آمار توصیفی به عنوان ویژگی Summary Statistics as Features

  • یافتن نقاط اوج (Peaks) Finding Peaks

  • اختیاری: ثبت داده‌های سنسور با MATLAB Mobile Optional: Recording Sensor Data with MATLAB Mobile

  • مهندسی ویژگی و خوشه‌بندی با تصاویر Feature Engineering and Clustering with Images

  • مهندسی ویژگی با متن Feature Engineering with Text

  • مهندسی ویژگی با رویدادهای طوفان Feature Engineering with Storm Events

  • خلاصه بخش پنجم: مهندسی ویژگی‌های تخصصی هر حوزه Summary of Module 5: Domain-Specific Feature Engineering

  • جمع‌بندی پردازش داده‌ها و مهندسی ویژگی Summary of Data Processing and Feature Engineering

نمایش نظرات

آموزش پردازش داده‌ها و مهندسی ویژگی با متلب (MATLAB)
جزییات دوره
20h 6m
45
(آخرین آپدیت)
16,101
4.7 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar