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.
Using Git with a GUI
یادگیری ماشینی با Python – کاربرد عملی
آموزش ویرایش داده ها بوسیله T-SQL
آموزش کارکردن با دیتابیس های مختلف در زبان پایتون به کمک SQLAlchemy
آموزش کدنویسی و کار با فایل های JSON در زبان C# بوسیله Json.NET
Scrum Development with Jira & JIRA Agile
T-SQL Data Manipulation Playbook
آموزش کار با Microsoft Azure Data Explorer
C# 10 Best Practices
Big Data: Executive Briefing