دوره انجام پروژه های یادگیری ماشینی بوسیله Google BigQuery

در مثال رگرسیون خطی

عنوان اصلی : Google BigQuery ML Machine Learning in SQL (without Python)

سرفصل های دوره :

قبل از شروع دوره:
درس 0.3 تنظیم ماسهبازی BigQuery
مقدمه - مفاهیم و نظریه اساسی:
درس 1.1
درس 1.2 رگرسیون خطی چیست؟
درس 1.2
درس 1.3 Google Cloud Platform و BigQuery چیست؟
درس 1.3
درس 1.4 BigQuery ML چیست؟
درس 1.4
درس 1.5 انواع داده های BigQuery
درس 1.5
درس 1.6 اصول SQL BigQuery
درس 1.6
ایجاد مدل و پیش بینی اول:
درس 2.1 هدف و محدودیت مدل
درس 2.1
درس 2.2 توضیحات منبع داده
درس 2.2
درس 2.3 رابط کاربری BigQuery
درس 2.3
درس 2.4 داده ها را به BigQuery وارد کنید
ورزش - درس 2.4
درس 2.5 ایجاد مدل
درس 2.5
ورزش - درس 2.5
درس 2.6 داده ها را پیش بینی کنید
درس 2.6
ورزش - درس 2.6
درس 2.7 ارزیابی مدل
درس 2.7
ورزش - درس 2.7
تمیز کردن داده ها:
درس 3.0 مقدمه
درس 3.1 حذف ستون های بی فایده
درس 3.1
ورزش - درس 3.1
درس 3.2 تجسم داده با استودیوی Google Data
درس 3.2
ورزش - درس 3.2
درس 3.3 هیستوگرام
درس 3.3
ورزش - درس 3.3
درس 3.4 بررسی تکراری
درس 3.4
ورزش - درس 3.4
درس 3.5 حذف مقادیر تهی
درس 3.5
ورزش - درس 3.5
مهندسی ویژگی:
درس 4.1 ایجاد ویژگی جدید - سن ماشین
درس 4.1
ورزش - درس 4.1
درس 4.2 ایجاد ویژگی جدید - شماره vin
درس 4.2
ورزش - درس 4.2
درس 4.3 ایجاد ویژگی جدید - شرایط شرایط
درس 4.3
ورزش - درس 4.3
درس 4.4 ایجاد ویژگی جدید - مدل مدل
درس 4.4
ورزش - درس 4.4
درس 4.5 ایجاد ویژگی جدید - جغرافیا
درس 4.5
ورزش - درس 4.5
مهندسی ویژگی - عملکرد داخلی:
درس 5.1 ml.min_max_scaler
درس 5.1
ورزش - درس 5.1
درس 5.2 ml.feature_cross
درس 5.2
ورزش - درس 5.2
درس 5.3 ml.polynomial_expand
درس 5.3
ورزش - درس 5.3
درس 5.4 ml.quantile_bucketize
درس 5.4
ورزش - درس 5.4
درس 5.5 ML.Bucketize
درس 5.5
ورزش - درس 5.5
عملکرد 5.6 ml.ngrams
درس 5.6
ورزش - درس 5.6
درس 5.7 حذف ستون های بی اهمیت
درس 5.7
ورزش - درس 5.7
تنظیم HyperParameters:
درس 6.1 L1 و L2 تنظیم مجدد
درس 6.1
ورزش - درس 6.1
درس 6.2 تنظیم خودکار در مقابل دستی
درس 6.2
ورزش - درس 6.2
پیش بینی نهایی و آزمایش مدل:
درس 7.1 قیمت منفی
درس 7.1
ورزش - درس 7.1
درس 7.2 با استفاده از عملکرد لگاریتم
درس 7.2
ورزش - درس 7.2
درس 7.3 کیفیت مدل تست
درس 7.3
ورزش - درس 7.3
درس 7.4 درس نهایی
بخش اضافی: الگوریتم تقویت شده درخت:
درس اضافی 1: تئوری کوتاه درخت تقویت شده
درس اضافی 1
درس اضافی 2: قطار مدل و پیش بینی
درس اضافی 2