لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش AWS: مهندسی ویژگی، تبدیل و یکپارچهسازی دادهها
- آخرین آپدیت
دانلود AWS: Feature Engineering Data Transformation & Integrity
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
دوره «AWS: مهندسی ویژگی، تبدیل و یکپارچهسازی دادهها» دومین دوره از سری آمادگی آزمون (MLA-C01): گواهینامه مهندس یادگیری ماشین AWS - سطح Associate است. این دوره به فراگیران کمک میکند تا مهارتهای ضروری در آمادهسازی و تبدیل دادهها برای حجمهای کاری یادگیری ماشین با استفاده از سرویسهای AWS را کسب کنند. این دوره درکی ساختاریافته و عملی از پاکسازی دادهها، مهندسی ویژگی، تکنیکهای کدگذاری و جریانهای کاری مقیاسپذیر ETL در AWS ارائه میدهد.
فراگیران با تسلط بر تکنیکهای آمادهسازی داده، از جمله پاکسازی، تبدیل و استخراج ویژگی شروع خواهند کرد. این دوره روشهای بهبود دقت مدل را از طریق مهندسی ویژگیهای معنادار و اعمال استراتژیهای کدگذاری طبقهای (Categorical Encoding) مانند One-Hot Encoding، Label Encoding و Tokenization بررسی میکند. همچنین، فراگیران اهمیت حفظ یکپارچگی و انصاف در دادهها، رفع سوگیری (Bias) و مدیریت امن اطلاعات حساس (PII) با استفاده از ابزارهایی مانند AWS Glue DataBrew را خواهند آموخت.
در بخش دوم، فراگیران تجربه عملی با ابزارهای بومی AWS برای مهندسی داده مقیاسپذیر کسب خواهند کرد. این شامل کار با AWS Glue برای هماهنگسازی کارهای ETL، ابزار Glue Data Quality برای اعتبارسنجی مجموعهدادهها و AWS Glue DataBrew برای پروفایلسازی و تبدیل دادهها بدون نیاز به کدنویسی است. همچنین، فراگیران با Amazon EMR و پردازش مجموعهدادههای حجیم با استفاده از Apache Spark برای ساخت خطلولههای داده توزیعشده و قدرتمند متناسب با جریانهای کاری ML آشنا خواهند شد.
این دوره شامل دو بخش است که هر کدام به درسها و ویدیوهای آموزشی عملی تقسیم شدهاند. فراگیران حدود ۲.۵ تا ۳ ساعت ویدیوی آموزشی دریافت خواهند کرد که دانش نظری را با راهنماییهای عملی در سرویسهای ML در AWS ترکیب میکند. هر بخش شامل آزمونهای ارزیابیشده و غیرارزیابیشده برای تقویت یادگیری و سنجش آمادگی است.
بخش ۱: تکنیکهای آمادهسازی و تبدیل داده
بخش ۲: ETL و مهندسی داده با AWS Glue و EMR
در پایان این دوره، فراگیران قادر خواهند بود:
- دادهها را بهطور موثر برای کاربردهای یادگیری ماشین پاکسازی، تبدیل و مهندسی کنند
- تکنیکهای کدگذاری طبقهای را برای مدلهای یادگیری ماشین اعمال کنند
- انصاف، یکپارچگی و انطباق را در آمادهسازی مجموعهدادهها تضمین کنند
- از AWS Glue، Glue DataBrew و EMR برای ایجاد خطلولههای داده مقیاسپذیر و آماده تولید استفاده کنند
این دوره برای متخصصان یادگیری ماشین، مهندسان داده و توسعهدهندگانی که ۶ ماه تا ۱ سال تجربه کار با AWS دارند، ایدهآل است. همچنین برای فراگیرانی که قصد شرکت در آزمون MLA-C01 را دارند و میخواهند مهارتهای عملی خود را در زمینه تبدیل داده، مهندسی ویژگی و ETL مقیاسپذیر در AWS عمیقتر کنند، بسیار ارزشمند است.
سرفصل ها و درس ها
تکنیکهای آمادهسازی و تبدیل داده
Data Preparation & Transformation Techniques
تکنیکهای پاکسازی و تبدیل داده
Data cleaning and Transformation techniques
نمایش نظرات