لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
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
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.
نمایش نظرات