آموزش آماده کردن داده ها برای مهندسی آینده و یادگیری ماشینی

با مشاهده این دوره آموزشی قدم به قدم یاد می گیرید که چطور داده هایتان را برای مهندسی آینده و همچنین یادگیری ماشینی کاملا آماده کنید. 

عنوان اصلی : Preparing Data for Feature Engineering and Machine Learning

سرفصل ها :

بررسی اجمالی دوره
نمای کلی ماژول
پیش نیازها و رئوس مطالب دوره
ویژگی ها و برچسب ها
گردش کار یادگیری ماشین
مولفه های مهندسی ویژگی
انتخاب ویژگی، یادگیری ویژگی، و استخراج ویژگی
ترکیب ویژگی و کاهش ابعاد
داده های آموزش، اعتبار سنجی و آزمون
K-fold Cross Validation
خلاصه ماژول
نمای کلی ماژول
مشکلات با دیتا
مقابله با ارزش های گمشده
برخورد با موارد پرت
استفاده از تکنیک های مختلف برای مدیریت ارزش های گمشده
شناسایی و رسیدگی به موارد پرت
خواندن و کاوش مجموعه داده
رگرسیون خطی ساده و چندگانه را انجام دهید
خلاصه ماژول
نمای کلی ماژول
انواع داده ها
اندازه گیری همبستگی ها
درک انتخاب ویژگی با استفاده از روش های فیلتر، جاسازی شده و بسته بندی
انتخاب ویژگی با استفاده از نسبت مقدار گمشده
محاسبه و تجسم همبستگی ها با استفاده از پانداها
محاسبه و تجسم همبستگی ها با استفاده از آجر زرد
انتخاب ویژگی با استفاده از روش‌های فیلتر
انتخاب ویژگی با استفاده از روش‌های Wrapper
انتخاب ویژگی با استفاده از روش های جاسازی شده
خلاصه ماژول
نمای کلی ماژول
نمایش تصاویر به عنوان ماتریس و تکنیک های پیش پردازش تصویر
تشخیص ویژگی و استخراج از تصاویر
استخراج ویژگی از متن
خلاصه ماژول
نمای کلی ماژول
توکن‌سازی و تجسم توزیع‌های فرکانس
انجام عادی سازی با استفاده از تکنیک های مختلف
ایجاد بردارهای ویژگی از داده های متنی
بارگذاری و تبدیل تصاویر
استخراج ویژگی ها از تصاویر
تشخیص نقاط کلیدی و توصیفگرها برای انجام تطبیق تصویر
استخراج متن از تصاویر با استفاده از OCR
استخراج ویژگی ها از تاریخ ها
کار با ویژگی های جغرافیایی
خلاصه و مطالعه بیشتر