آموزش کاهش پیچیدگی در داده ها در Microsoft Azure

Reducing Complexity in Data in Microsoft Azure

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: در یادگیری ماشینی ، مجموعه ویژگی ها می توانند به سرعت پیچیده و خسته کننده شوند. این دوره به شما مهارت های لازم برای کاهش پیچیدگی مجموعه ویژگی های شما را می دهد تا به شما کمک کند بینش بهتر و سازگار تری نسبت به داده های خود داشته باشید. اگر در حال ساخت مدل هایی برای علم داده هستید ، مجموعه ویژگی های شما به سرعت پیچیده و دشوار می شوند فهمیدن. در این دوره ، کاهش پیچیدگی در داده ها در Microsoft Azure ، شما می آموزید که چگونه پیچیدگی مجموعه ویژگی ها را کاهش داده ، مدل ها را قابل فهم تر ، ساخت ساده تر و مقاوم تر کنید. ابتدا یاد می گیرید که از پیچیدگی مجموعه ویژگی ها و چگونگی تأثیر آن بر مدل های خود مطلع شوید. در مرحله بعدی ، شما طیف وسیعی از تکنیک های مختلف را برای بهبود پیچیدگی مجموعه ویژگی های خود کشف خواهید کرد. سرانجام ، شما روش های پیشرفته مختلفی را برای کاهش پیچیدگی مجموعه ویژگی ها کشف خواهید کرد. هنگامی که با این دوره به پایان رسیدید ، مهارت ها و دانش لازم برای کاهش پیچیدگی مدل های خود را خواهید داشت و مدل های ساده تر و قابل مدیریتی را ایجاد می کنید ، که منجر به بینش بهتر و سازگارتر در مورد داده های شما می شود.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

درک اینکه ویژگی چگونه پیچیدگی بر کیفیت مدل تأثیر می گذارد Understanding How Feature Set Complexity Impacts Model Quality

  • مقدمه و بررسی اجمالی ماژول Introduction and Module Overview

  • پیچیدگی مجموعه ویژگی ها Feature Set Complexity

  • منابع خطای مدل Sources of Model Error

  • اندازه گیری و تشخیص مشکلات ناشی از پیچیدگی مجموعه ویژگی ها Measuring and Detecting Problems Due to Feature Set Complexity

  • پیچیدگی مجموعه ویژگی چگونه بر تفسیرپذیری مدل تأثیر می گذارد How Feature Set Complexity Impacts Model Interpretability

  • نسخه ی نمایشی Demo

  • خلاصه Summary

استفاده از تکنیک های کاهش ویژگی مبتنی بر معیارها Applying Criteria-based Feature Reduction Techniques

  • مقدمه و بررسی اجمالی ماژول Introduction and Module Overview

  • دلایل حذف ویژگی Reasons For Feature Elimination

  • تکنیک های تک متغیره Univariate Techniques

  • آزمون های آماری چگونه کار می کنند How Statistical Tests Work

  • تکنیک های دو متغیره Bivariate Techniques

  • تکنیک های چند متغیره Multivariate Techniques

  • نسخه ی نمایشی Demo

  • خلاصه Summary

استفاده از تجزیه و تحلیل مincipلفه اصلی برای کاهش مجموعه های عددی Using Principal Component Analysis to Reduce Numeric Feature Sets

  • مقدمه و بررسی اجمالی ماژول Introduction and Module Overview

  • PCA PCA

  • PCA چگونه کار می کند How PCA Works

  • KPCA KPCA

  • محدودیت های PCA PCA Limitations

  • نسخه ی نمایشی Demo

  • خلاصه Summary

پردازش مجموعه های طبقه بندی یا متن Processing Categorical or Text Feature Sets

  • مقدمه و بررسی اجمالی ماژول Introduction and Module Overview

  • چگونه می توان مجموعه های طبقه بندی یا ویژگی های متنی را پردازش کرد؟ How Can You Process Categorical or Text Feature Sets?

  • LDA LDA

  • آموزش فرهنگ لغت Dictionary Learning

  • t-SNE t-SNE

  • نسخه ی نمایشی Demo

  • خلاصه Summary

فراتر از PCA برای کاهش پیچیدگی در مجموعه های عددی Going beyond PCA to Reduce Complexity in Numeric Feature Sets

  • مقدمه و بررسی اجمالی ماژول Introduction and Module Overview

  • k-به معنای انباشت مدل است k-means Model Stacking

  • k-means چگونه کار می کند How k-means Works

  • رمزگذاران خودکار Autoencoders

  • یادگیری چند برابر Manifold Learning

  • نسخه ی نمایشی Demo

  • خلاصه Summary

نمایش نظرات

آموزش کاهش پیچیدگی در داده ها در Microsoft Azure
جزییات دوره
2h 14m
37
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
-
از 5
دارد
دارد
دارد
Steph Locke
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Steph Locke Steph Locke

Steph از نظر تجارت دانشمند داده است و اکنون دو تجارت را اداره می کند که به کمک به کسب و کارها در پذیرش علم داده و هوش مصنوعی تمرکز دارند. او مقدار زیادی از اوقات فراغت خود را صرف ارتقا community مهارت های جامعه فنی در سطح کل می کند ، خواه این کار از طریق ارائه ، سازماندهی کنفرانس ها یا نوشتن کتاب باشد. Steph به دلیل تمرکز و کار در جامعه ، یک متخصص مایکروسافت با ارزش ترین در هوش مصنوعی و بستر داده است - یکی از تنها سه نفر در جهان است که این ترکیب را برگزار می کند.