آموزش آماده سازی داده ها برای مهندسی ویژگی و یادگیری ماشین

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

درک نقش ویژگی ها در یادگیری ماشین Understanding the Role of Features in Machine Learning

• بررسی اجمالی ماژول Module Overview

• پیش نیازها و طرح کلی دوره Prerequisites and Course Outline

• ویژگی ها و برچسب ها Features and Labels

• گردش کار یادگیری ماشین The Machine Learning Workflow

• اجزای مهندسی ویژگی Components of Feature Engineering

• انتخاب ویژگی ، یادگیری ویژگی و استخراج ویژگی Feature Selection, Feature Learning, and Feature Extraction

• ترکیبی از ویژگی ها و کاهش ابعاد Feature Combination and Dimensionality Reduction

• داده های آموزش ، اعتبار سنجی و آزمون Training, Validation, and Test Data

• اعتبار سنجی متقابل K برابر است K-fold Cross Validation

• خلاصه ماژول Module Summary

آماده سازی داده ها برای یادگیری ماشین Preparing Data for Machine Learning

• بررسی اجمالی ماژول Module Overview

• مشکلات داده ها Problems with Data

• پرداختن به ارزشهای گمشده Dealing with Missing Values

• معامله با Outlier ها Dealing with Outliers

• استفاده از تکنیک های مختلف برای کنترل مقادیر از دست رفته Applying Different Techniques to Handle Missing Values

• شناسایی و کار با پرت ها Detecting and Handling Outliers

• خواندن و بررسی مجموعه داده ها Reading and Exploring the Dataset

• رگرسیون خطی ساده و چندگانه را انجام دهید Perform Simple and Multiple Linear Regression

• خلاصه ماژول Module Summary

درک و اجرای انتخاب ویژگی Understanding and Implementing Feature Selection

• بررسی اجمالی ماژول Module Overview

• انواع داده ها Types of Data

• اندازه گیری همبستگی ها Measuring Correlations

• درک انتخاب ویژگی با استفاده از روش های فیلتر ، جاسازی شده و بسته بندی کننده Understanding Feature Selection Using Filter, Embedded, and Wrapper Methods

• انتخاب ویژگی با استفاده از نسبت ارزش از دست رفته Feature Selection Using Missing Value Ratio

• محاسبه و تجسم همبستگی ها با استفاده از پانداها Calculating and Visualizing Correlations Using Pandas

• محاسبه و تجسم همبستگی ها با استفاده از آجر زرد Calculating and Visualizing Correlations Using Yellowbrick

• انتخاب ویژگی با استفاده از روش های فیلتر Feature Selection Using Filter Methods

• انتخاب ویژگی با استفاده از روشهای بسته بندی Feature Selection Using Wrapper Methods

• انتخاب ویژگی با استفاده از روش های جاسازی شده Feature Selection Using Embedded Methods

• خلاصه ماژول Module Summary

بررسی تکنیک های استخراج ویژگی Exploring Feature Extraction Techniques

• بررسی اجمالی ماژول Module Overview

• نمایش تصاویر به عنوان ماتریس و تکنیک های پیش پردازش تصویر Representing Images as Matrices and Image Preprocessing Techniques

• قابلیت شناسایی و استخراج از تصاویر Feature Detection and Extraction from Images

• استخراج ویژگی از متن Feature Extraction from Text

• خلاصه ماژول Module Summary

اجرای استخراج ویژگی Implementing Feature Extraction

• بررسی اجمالی ماژول Module Overview

• توزیع توزیع فراوانی و علامت گذاری Tokenization and Visualizing Frequency Distributions

• انجام نرمال سازی با استفاده از تکنیک های مختلف Performing Normalization Using Different Techniques

• ایجاد بردارهای ویژه از داده های متنی Creating Feature Vectors from Text Data

• بارگیری و تغییر شکل تصاویر Loading and Transforming Images

• استخراج ویژگی ها از تصاویر Extracting Features from Images

• شناسایی نکات کلیدی و توصیفگرها برای انجام تطبیق تصویر Detecting Keypoints and Descriptors to Perform Image Matching

• استخراج متن از تصاویر با استفاده از OCR Extracting Text from Images Using OCR

• استخراج ویژگی ها از تاریخ Extracting Features from Dates

• کار با ویژگی های Geospatial Working with Geospatial Features

• خلاصه و مطالعه بیشتر Summary and Further Study