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 در مورد فروشگاه ویژگی Vertex AI بدانید؟ آیا می خواهید بدانید چگونه می توانید دقت مدل های ML خود را بهبود بخشید؟ آیا می خواهید در مورد فروشگاه ویژگی Vertex AI بدانید؟ آیا می خواهید بدانید چگونه می توانید دقت مدل های ML خود را بهبود بخشید؟ در مورد چگونگی پیدا کردن این که کدام ستون های داده مفیدترین ویژگی ها را دارند چطور؟ به Feature Engineering خوش آمدید، جایی که ویژگی‌های خوب در مقابل بد و اینکه چگونه می‌توانید آنها را برای استفاده بهینه در مدل‌های خود پیش پردازش و تغییر دهید، مورد بحث قرار می‌دهیم. این دوره شامل محتوا و آزمایشگاه های مهندسی ویژگی با استفاده از BigQuery ML، Keras و TensorFlow است.

سرفصل ها و درس ها

معرفی Introduction

  • معرفی دوره Course introduction

معرفی فروشگاه ویژگی های Vertex AI Introduction to Vertex AI Feature Store

  • معرفی Introduction

  • مزایای فروشگاه ویژه Feature Store benefits

  • اصطلاحات و مفاهیم فروشگاه ویژگی Feature Store terminology and concepts

  • مدل داده فروشگاه ویژگی The Feature Store data model

  • ایجاد یک فروشگاه ویژه Creating a Feature Store

  • ویژگی های سرویس دهی: دسته ای و آنلاین Serving features: Batch and online

  • (اختیاری) معرفی آزمایشگاه: استفاده از فروشگاه ویژگی (Optional) Lab intro: Using Feature Store

  • Pluralsight: شروع به کار با GCP و Qwiklabs Pluralsight: Getting Started with GCP and Qwiklabs

  • آزمایشگاه: استفاده از فروشگاه ویژگی Lab: Using Feature Store

  • منابع: مقدمه ای بر فروشگاه ویژگی های Vertex AI Resources: Introduction to Vertex AI Feature Store

داده های خام به ویژگی ها Raw Data to Features

  • معرفی Introduction

  • مروری بر مهندسی ویژگی Overview of feature engineering

  • داده های خام به ویژگی ها Raw data to features

  • ویژگی های خوب در مقابل ویژگی های بد Good features versus bad features

  • ویژگی ها باید در زمان پیش بینی شناخته شوند Features should be known at prediction-time

  • ویژگی ها باید عددی باشند Features should be numeric

  • ویژگی ها باید نمونه های کافی داشته باشند Features should have enough examples

  • آوردن بینش انسانی Bringing human insight

  • نشان دهنده ویژگی ها Representing features

  • منابع: داده های خام به ویژگی ها Resources: Raw Data to Features

مهندسی ویژگی Feature Engineering

  • معرفی Introduction

  • یادگیری ماشینی در مقابل آمار Machine learning versus statistics

  • مهندسی ویژگی های پایه Basic feature engineering

  • مقدمه آزمایشگاه: انجام مهندسی ویژگی های پایه در BigQuery ML Lab intro: Performing Basic Feature Engineering in BigQuery ML

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

  • مهندسی ویژگی های پیشرفته: تلاقی ویژگی ها Advanced feature engineering: Feature crosses

  • سطل سازی و تبدیل توابع Bucketize and Transform Functions

  • (اختیاری) معرفی آزمایشگاه: مهندسی ویژگی های پیشرفته BigQuery ML (Optional) Lab intro: Advanced Feature Engineering BigQuery ML

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

  • پیش بینی قیمت مسکن Predict housing prices

  • کرایه تاکسی را تخمین بزنید Estimate taxi fare

  • ویژگی های زمانی و جغرافیایی Temporal and geolocation features

  • مقدمه آزمایشگاه: مهندسی ویژگی های پایه در کراس Lab intro: Basic Feature Engineering in Keras

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

  • مقدمه آزمایشگاه: مهندسی ویژگی های پیشرفته در کراس Lab intro: Advanced Feature Engineering in Keras

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

  • منابع: مهندسی ویژگی Resources: Feature Engineering

پیش پردازش و ایجاد ویژگی Preprocessing and Feature Creation

  • معرفی Introduction

  • پرتو آپاچی و جریان داده Apache Beam and Dataflow

  • اصطلاحات و مفاهیم جریان داده Dataflow terms and concepts

  • منابع: پیش پردازش و ایجاد ویژگی Resources: Preprocessing and Feature Creation

صلیب های ویژه - زمین بازی TensorFlow Feature Crosses - TensorFlow Playground

  • معرفی Introduction

  • متقاطع ویژگی چیست What is a feature cross

  • گسسته سازی Discretization

  • مقدمه آزمایشگاه: TensorFlow Playground: از صلیب های ویژگی برای ایجاد یک طبقه بندی خوب استفاده کنید Lab intro: TensorFlow Playground: Use feature crosses to create a good classifier

  • معرفی آزمایشگاه: TensorFlow Playground: خیلی چیز خوبی است Lab intro: TensorFlow Playground: Too much of a good thing

  • منابع: Feature Crosses - TensorFlow Playground Resources: Feature Crosses - TensorFlow Playground

مقدمه ای بر تبدیل TensorFlow Introduction to TensorFlow Transform

  • معرفی Introduction

  • تبدیل TensorFlow TensorFlow Transform

  • فاز تجزیه و تحلیل Analyze phase

  • فاز تبدیل Transform phase

  • پشتیبانی از خدمت Supporting serving

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

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

  • منابع: مقدمه ای بر تبدیل TensorFlow Resources: Introduction to TensorFlow Transform

خلاصه Summary

  • خلاصه Summary

  • منبع: تمام سوالات مسابقه Resource: All quiz questions

  • منبع: همه مطالب خوانده شده Resource: All readings

  • منبع: همه اسلایدها Resource: All slides

نمایش نظرات

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.

آموزش مهندسی ویژگی
جزییات دوره
2h 29m
60
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
Google Cloud
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

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.