نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
آیا می خواهید بدانید که چگونه می توانید دقت مدل های ML خود را بهبود ببخشید؟ در مورد چگونگی یافتن ستون های داده ای که مفیدترین ویژگی ها را دارند چطور؟ به Feature Engineering خوش آمدید ، جایی که ما درمورد ویژگی های خوب و بد و اینکه چگونه می توانید پیش پردازش کنید و ... بحث می کنیم می خواهید بدانید که چگونه می توانید دقت مدل های ML خود را بهبود ببخشید؟ در مورد چگونگی یافتن ستون های داده ای که مفیدترین ویژگی ها را دارند چطور؟ به Feature Engineering خوش آمدید ، جایی که ما در مورد ویژگی های خوب در مقابل ویژگی های بد و چگونگی پیش پردازش و تبدیل آنها برای استفاده بهینه در مدل های خود بحث خواهیم کرد.
سرفصل ها و درس ها
مقدمه ای بر دوره
Introduction to Course
-
مقدمه ای بر دوره
Introduction to Course
داده های خام به ویژگی ها
Raw Data to Features
-
مروری بر مهندسی ویژگی ها
An Overview of Feature Engineering
-
داده های خام به ویژگی ها
Raw Data to Features
-
ویژگی های خوب در مقابل بد
Good vs Bad Features
-
ویژگی های شناخته شده در زمان پیش بینی
Features Known at Prediction-time
-
ویژگی ها باید عددی باشد
Features should be Numeric
-
ویژگی ها باید به اندازه کافی مثال داشته باشند
Features Should Have Enough Examples
-
آوردن بینش انسانی
Bringing Human Insight
-
نمایندگی ویژگی ها
Representing Features
-
ML در مقابل آمار
ML vs Statistics
-
مقدمه آزمایشگاه: مهندسی ویژگی های اساسی در BQML
Lab Intro: Basic Feature Engineering in BQML
-
شروع کار با GCP و Qwiklabs
Getting Started With GCP And Qwiklabs
-
آزمایشگاه: انجام مهندسی ویژگی های اساسی در BQML
Lab: Performing Basic Feature Engineering in BQML
-
مقدمه آزمایشگاه: مهندسی ویژگی های اساسی در کراس
Lab Intro: Basic Feature Engineering in Keras
-
آزمایشگاه: انجام مهندسی ویژگی های اساسی در کراس
Lab: Performing Basic Feature Engineering in Keras
-
منابع
Resources
پیش پردازش و ایجاد ویژگی
Preprocessing and feature creation
-
پرتو و گردش داده
Beam and Dataflow
-
آزمایشگاه معرفی: خط لوله ساده داده ها
Lab Intro: Simple Dataflow Pipeline
-
آزمایشگاه: خط لوله ساده جریان داده (پایتون)
Lab: A simple Dataflow pipeline (Python)
-
راه حل آزمایشگاهی: خط لوله ساده گردش داده
Lab Solution: A Simple Dataflow Pipeline
-
مقادیر خطوط لوله داده
Data Pipelines that Scale
-
معرفی آزمایشگاه: MapReduce در گردش داده
Lab Intro: MapReduce in Dataflow
-
آزمایشگاه: MapReduce در جریان داده (پایتون)
Lab: MapReduce in Dataflow (Python)
-
راه حل آزمایشگاهی: MapReduce در گردش اطلاعات
Lab Solution: MapReduce in Dataflow
-
پیش پردازش با Cloud Dataprep
Preprocessing with Cloud Dataprep
-
Lab Intro: محاسبه ویژگی های Window Time در Cloud Dataprep
Lab Intro: Computing Time-Windowed Features in Cloud Dataprep
-
آزمایشگاه: محاسبه ویژگی های پنجره زمان در Cloud Dataprep
Lab: Computing Time-Windowed Features in Cloud Dataprep
-
راه حل آزمایشگاهی: محاسبه ویژگی های زمان بندی شده در Cloud Dataprep
Lab Solution: Computing Time-Windowed Features in Cloud Dataprep
-
منابع
Resources
صلیب های ویژه
Feature Crosses
-
معرفی ویژگی های صلیب
Introducing Feature Crosses
-
صلیب ویژگی چیست
What is a Feature Cross
-
گسسته سازی
Discretization
-
حفظ در مقابل تعمیم
Memorization vs. Generalization
-
رنگهای تاکسی
Taxi colors
-
Lab Intro: Feature Crosss برای ایجاد یک طبقه بندی خوب
Lab Intro: Feature Crosses to create a good classifier
-
راه حل آزمایشگاهی: ویژگی های متقاطع برای ایجاد یک طبقه بندی کننده خوب
Lab Solution: Feature Crosses to create a good classifier
-
Sparsity + مسابقه
Sparsity + Quiz
-
معرفی آزمایشگاه: بیش از حد چیز خوبی است
Lab Intro: Too Much of a Good Thing
-
راه حل آزمایشگاهی: خیلی چیز خوبی است
Lab Solution: Too Much of a Good Thing
-
پیاده سازی ویژگی های متقاطع
Implementing Feature Crosses
-
تعبیه ویژگی های صلیب
Embedding Feature Crosses
-
ایجاد ویژگی در TensorFlow
Feature Creation in TensorFlow
-
ایجاد ویژگی در DataFlow
Feature Creation in DataFlow
-
معرفی آزمایشگاه: بهبود مدل ML با مهندسی ویژگی
Lab Intro: Improve ML Model with Feature Engineering
-
آزمایشگاه: مدل مهندسی ویژگی را با مهندسی ویژگی بهبود بخشید
Lab: Improve Machine Learning model with Feature Engineering
-
راه حل آزمایشگاهی (p1): ML Fairness Debrief
Lab Solution (p1): ML Fairness Debrief
-
آزمایشگاه معرفی: مهندسی ویژگی پیشرفته در BQML
Lab Intro: Advanced Feature Engineering in BQML
-
آزمایشگاه: انجام مهندسی ویژگی پیشرفته در BQML
Lab: Performing Advanced Feature Engineering in BQML
-
آزمایشگاه معرفی: مهندسی ویژگی پیشرفته در کراس
Lab Intro: Advanced Feature Engineering in Keras
-
آزمایشگاه: انجام مهندسی ویژگی پیشرفته در کراس
Lab: Performing Advanced Feature Engineering in Keras
-
منابع
Resources
تبدیل TensorFlow
TensorFlow Transform
-
معرفی تغییر شکل TensorFlow
Introducing TensorFlow Transform
-
تبدیل TensorFlow
TensorFlow Transform
-
مرحله تجزیه و تحلیل
Analyze phase
-
مرحله تغییر شکل
Transform phase
-
پشتیبانی از خدمت کردن
Supporting serving
-
معرفی آزمایشگاه: بررسی tf.transform
Lab Intro: Exploring tf.transform
-
آزمایشگاه: بررسی tf.transform
Lab: Exploring tf.transform
-
منابع
Resources
خلاصه
Summary
-
خلاصه دوره
Course Summary
-
منابع
Resources
-
تمام سوالات مسابقه به صورت PDF
All Quiz Questions as a PDF
منابع دوره
Course Resources
-
اسلایدهای دوره
Course Slides
نمایش نظرات