نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
یکی از مهمترین جنبه های یادگیری ماشین استفاده از داده های مناسب در قالب مناسب برای مدل های شما است. در این دوره یاد خواهید گرفت که چگونه با استفاده از Azure Machine Learning بهترین ویژگی ها را برای مدل های خود استخراج ، عادی سازی و انتخاب کنید ... هیچ رازی نیست که دانشمندان داده بخش بسیار زیادی از وقت خود را صرف تهیه داده می کنند. در این دوره ، Feature Selection and Extraction in Microsoft Azure ، شما توانایی تهیه داده های خود را برای استفاده در مدل های یادگیری ماشین خواهید داشت. ابتدا یاد می گیرید که چگونه ویژگی ها را از داده های خام ، از جمله قالب های غیر متنی استخراج کنید. در مرحله بعدی ، نحوه عادی سازی ویژگی ها ، تبدیل داده های خود به مقیاس مشترک بدون تحریف داده های خود را خواهید یافت. سرانجام ، نحوه انتخاب ویژگی هایی را که بیشتر به مدل شما مربوط هستند ، جستجو خواهید کرد. پس از پایان این دوره ، مهارت و دانش استخراج ویژگی ، عادی سازی و انتخاب مورد نیاز برای تهیه داده های خود را خواهید داشت. نرم افزار مورد نیاز: Azure ML Studio classic.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
کاوش مجموعه داده خود برای انتخاب و استخراج ویژگی ها
Exploring Your Dataset for Feature Selection and Extraction
-
کاوش مجموعه داده خود برای انتخاب و استخراج ویژگی ها
Exploring Your Dataset for Feature Selection and Extraction
-
ویژگی در یادگیری ماشین چیست؟
What Is a Feature in Machine Learning?
-
کاوش داده های شما و شناسایی توزیع داده های شما
Exploring Your Data and Identifying the Distribution of Your Data
-
تعیین ساختار ویژگی مناسب برای الگوریتم و وظیفه
Determining the Feature Structure Appropriate for the Algorithm and Task
-
نسخه ی نمایشی اکتشاف Dataset
Dataset Exploration Demo
-
بردن
Takeaway
اجرای استخراج ویژگی
Performing Feature Extraction
-
استخراج ویژگی چیست؟
What Is Feature Extraction?
-
اجرای استخراج ویژگی
Performing Feature Extraction
-
ایجاد و استفاده از الگوریتم های استخراج ویژگی
Creating and Using Feature Extraction Algorithms
-
انجام استخراج ویژگی بر روی متن بدون ساختار
Performing Feature Extraction on Unstructured Text
-
نسخه ی نمایشی: صورت انسان یا صورت انسان نیست؟
Demo: Human Face or Not Human Face?
-
بردن
Takeaway
انجام نرمال سازی ویژگی
Performing Feature Normalization
-
انجام نرمال سازی ویژگی
Performing Feature Normalization
-
درک عادی سازی ویژگی
Understanding Feature Normalization
-
کلیپ نسخه ی نمایشی ارزش ها
Clip Values Demo
-
داده ها را در نسخه ی نمایشی Bins گروه بندی کنید
Group Data into Bins Demo
-
نسخه ی نمایشی داده را عادی کنید
Normalize Data Demo
-
نسخه ی نمایشی اصلی مولفه اصلی
Principal Component Analysis Demo
-
ویژگی های رمزگذاری نسخه ی نمایشی
Encoding Features Demo
-
بردن
Takeaway
اجرای انتخاب ویژگی
Performing Feature Selection
-
اجرای انتخاب ویژگی
Performing Feature Selection
-
درک انتخاب ویژگی
Understanding Feature Selection
-
آزمایشی انتخاب ویژگی فیلتر
Fliter Based Feature Selection Demo
-
نسخه ی نمایشی تجزیه و تحلیل متمایز فیشر
Fisher Linear Discriminant Analysis Demo
-
نسخه نمایشی اهمیت ویژگی Permutation
Permutation Feature Importance Demo
-
نسخه ی نمایشی همبستگی خطی را محاسبه کنید
Compute Linear Correlation Demo
-
بردن
Takeaway
غذای آماده نهایی
Final Takeaway
-
غذای آماده نهایی
Final Takeaway
نمایش نظرات