آموزش ویژگی های ساخت از داده های اسمی و عددی در Microsoft Azure

Building Features from Nominal and Numeric Data in Microsoft Azure

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: استفاده از تکنیک های آماری برای داده های شما در Azure Machine Learning Service اغلب باعث افزایش عملکرد مدل می شود. این دوره اصول پاکسازی داده ها ، از جمله نحو و توابع اساسی را به شما می آموزد. هسته اصلی یادگیری ماشین کاربردی داده ها است. در این دوره ، ساخت ویژگی های داده های اسمی و عددی در Microsoft Azure ، می آموزید که چگونه داده ها را در محدوده سرویس یادگیری ماشین Azure پاک کنید. ابتدا ، گزینه های متفاوتی را که در Azure Machine Learning Service برای ساختن مدل های خود به پایان دارید ، کشف خواهید کرد. در مرحله بعدی ، شما اهمیت استفاده از تکنیک های آماری را در داده های خود برای بهبود عملکرد مدل کشف خواهید کرد. سرانجام ، شما یاد خواهید گرفت که چگونه برای تقویت عملکرد دنیای واقعی ، تکنیک های مختلف پاک سازی داده ها را روی داده های خود اعمال کنید. وقتی این دوره را به پایان رسانید ، شما یک دانش بنیادی از خدمات یادگیری ماشین لاجورد خواهید داشت و یک چگونگی استفاده از تکنیک های آماری بر روی داده های خود را که به شما کمک می کند تا به عنوان یک مهندس یادگیری ماشین تبدیل شوید ، کاملاً بی فهمید.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

تنظیم مرحله Setting the Stage

  • بررسی اجمالی ماژول Module Overview

  • این دوره برای شما مناسب است؟ Is This Course for You?

  • مهارت های توصیه شده برای این دوره Skills Recommended for This Course

  • اقدامات تمایل مرکزی Measures of Central Tendency

  • اقدامات تنوع Measures of Variability

  • حالت و کجی Modality and Skewness

  • کورتوز Kurtosis

  • توزیع های گاوسی Gaussian Distributions

  • محاسبه میانگین ، متوسط و حالت Calculating the Mean, Median, and Mode

  • خلاصه Summary

نزدیک شدن به عادی سازی و استاندارد سازی Approaching Normalization and Standardization

  • مقدمه Introduction

  • فرآیند یادگیری ماشین تقطیر می شود Machine Learning Process Distilled

  • شناسایی و جایگذاری دور از دسترس Outlier Detection and Imputation

  • Demo: Outlier Detection در پایتون Demo: Outlier Detection in Python

  • نسخه ی نمایشی: جایگزینی در پایتون Demo: Imputation in Python

  • استاندارد سازی و عادی سازی Standardization and Normalization

  • نسخه ی نمایشی: در پایتون عادی و استاندارد کنید Demo: Normalize and Standardize in Python

  • خلاصه Summary

تعریف تکنیک های عادی سازی و استاندارد سازی Defining Normalization and Standardization Techniques

  • بررسی اجمالی ماژول Module Overview

  • رویکردهای معمول مقیاس گذاری Common Scaling Approaches

  • نسخه ی نمایشی: رویکردهای معمول مقیاس گذاری Demo: Common Scaling Approaches

  • بیند Binning

  • نسخه ی نمایشی: Binning Demo: Binning

  • هترواسکدستی بودن Heteroscedasticity

  • نسخه ی نمایشی: اصلاح Heteroscedasticity Demo: Correcting Heteroscedasticity

  • نمره Z Z-score

  • نسخه ی نمایشی: نمره Z Demo: Z-score

  • خلاصه Summary

استفاده از داده های اسمی در یادگیری ماشین Leveraging Nominal Data in Machine Learning

  • بررسی اجمالی ماژول Module Overview

  • انواع داده ها در آمار Data Types in Statistics

  • مقیاس اندازه گیری داده ها Data Measurement Scales

  • مشکلات داده های دسته ای Problems with Categorical Data

  • کدگذاری داغ One-hot Encoding

  • نسخه ی نمایشی: رمزگذاری برچسب و یک داغ Demo: Label and One-hot Encoding

  • نسخه ی نمایشی: رمزگذاری برچسب و XGBoost Demo: Label Encoding and XGBoost

  • خلاصه Summary

نمایش نظرات

نظری ارسال نشده است.

آموزش ویژگی های ساخت از داده های اسمی و عددی در Microsoft Azure
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
1h 20m
37
Pluralsight (پلورال سایت) pluralsight-small
16 آبان 1398 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
-
از 5
دارد
دارد
دارد
Mike West

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Mike West Mike West

سازنده LogikBot

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.