در حال حاضر محصولی در سبد خرید شما وجود ندارد.
با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با آژور یاد می گیرید.
عنوان اصلی : Feature Selection and Extraction in Microsoft Azure
بررسی اجمالی دوره
نسخه نمایشی کاوش مجموعه داده
تعیین ساختار ویژگی مناسب برای الگوریتم و وظیفه
کاوش داده های شما و شناسایی توزیع داده های شما
کاوش مجموعه داده خود برای انتخاب و استخراج ویژگی
بردن
ویژگی در یادگیری ماشین چیست؟
ایجاد و استفاده از الگوریتم های استخراج ویژگی
نسخه ی نمایشی: چهره انسان یا نه چهره انسان؟
انجام استخراج ویژگی
انجام استخراج ویژگی روی متن بدون ساختار
بردن
استخراج ویژگی چیست؟
نسخه ی نمایشی ارزش های کلیپ
ویژگی های رمزگذاری نسخه ی نمایشی
گروه بندی داده ها در Bins Demo
دموی داده را عادی کنید
انجام عادی سازی ویژگی ها
نسخه نمایشی تجزیه و تحلیل مؤلفه اصلی
بردن
درک عادی سازی ویژگی ها
نسخه نمایشی همبستگی خطی را محاسبه کنید
نسخه نمایشی تجزیه و تحلیل تشخیصی خطی فیشر
نسخه ی نمایشی انتخاب ویژگی مبتنی بر Fliter
انجام انتخاب ویژگی
نسخه نمایشی اهمیت ویژگی جایگشت
بردن
درک ویژگی انتخاب
غذای آماده نهایی
Feature Selection and Extraction in Microsoft Azure
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
Working with Files in Python
Importing Text Files in Python
آموزش توسعه اسکرام به کمک JIRA و JIRA Agile
آموزش برنامه نویسی پایتون با یک IDE
Querying JSON, XML, and Temporal Data with T-SQL
یادگیری ماشینی با Python – کاربرد عملی
آموزش Query گرفتن از داده های XML, JSON بوسیله T-SQL
آشنایی با Computer Vision
Using Git with a GUI
C# 10 Best Practices