آموزش مهندسی ویژگی

Feature Engineering

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: این دوره به بررسی مزایای استفاده از Vertex AI Feature Store، چگونگی بهبود دقت مدل‌های ML، و چگونگی پیدا کردن ستون‌های داده‌ای مفیدترین ویژگی‌ها را می‌پردازد. این دوره به بررسی مزایای استفاده از Vertex AI Feature Store، چگونگی بهبود دقت مدل‌های ML و چگونگی یافتن ستون‌های داده‌ای که مفیدترین ویژگی‌ها را دارند. این دوره همچنین شامل محتوا و آزمایشگاه های مهندسی ویژگی با استفاده از BigQuery ML، Keras و TensorFlow می باشد.

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

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

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

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

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

  • مزایای فروشگاه ویژه Feature Store benefits

  • مدل داده فروشگاه ویژگی The Feature Store data model

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

  • اصطلاحات و مفاهیم فروشگاه ویژگی Feature Store terminology and concepts

  • ایجاد یک فروشگاه ویژه Creating a Feature Store

داده های خام به ویژگی ها Raw Data to Features

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

  • نشان دهنده ویژگی ها Representing features

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

  • آوردن بینش انسانی Bringing human insight

  • داده های خام به ویژگی ها Raw data to features

  • معرفی Introduction

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

  • مروری بر مهندسی ویژگی Overview of feature engineering

مهندسی ویژگی Feature Engineering

  • یادگیری ماشینی در مقابل آمار Machine learning versus statistics

  • سطل سازی و تبدیل توابع Bucketize and Transform Functions

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

  • مهندسی ویژگی های پایه Basic feature engineering

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

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

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

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

  • کرایه تاکسی را تخمین بزنید Estimate taxi fare

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

  • پیش بینی قیمت مسکن Predict housing prices

  • منابع: مهندسی ویژگی Resources: Feature Engineering

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

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

  • معرفی Introduction

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

  • ویژگی های زمانی و جغرافیایی Temporal and geolocation features

پیش پردازش و ایجاد ویژگی Preprocessing and Feature Creation

  • پرتو آپاچی و جریان داده Apache Beam and Dataflow

  • معرفی Introduction

  • 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

  • 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

  • گسسته سازی Discretization

  • معرفی Introduction

  • متقاطع ویژگی چیست What is a feature cross

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

مقدمه ای بر تبدیل TensorFlow Introduction to TensorFlow Transform

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

  • فاز تبدیل Transform phase

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

  • فاز تحلیل Analyze phase

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

  • پشتیبانی از خدمت Supporting serving

  • تبدیل TensorFlow TensorFlow Transform

  • معرفی Introduction

خلاصه Summary

  • منبع: همه اسلایدها Resource: All slides

  • منبع: همه مطالب خوانده شده Resource: All readings

  • منبع: تمام سوالات مسابقه Resource: All quiz questions

  • خلاصه Summary

نمایش نظرات

آموزش مهندسی ویژگی
جزییات دوره
2h 29m
60
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
ندارد
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.