جمع جزء: 139,000 تومان
- × 1 عدد: آموزش استفاده بجا از رنگ یا بی رنگی برای نمایش احساس در نقاشی - 139,000 تومان
با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با Machine Learning یاد می گیرید.
عنوان اصلی : Preparing Data for Machine Learning
بررسی اجمالی دوره
نمای کلی ماژول
پیش نیازها و رئوس مطالب دوره
نیاز به آماده سازی داده ها
داده های ناکافی
داده های بیش از حد
دادههای غیرنماینده، مقادیر گمشده، موارد پرت، موارد تکراری
مقابله با داده های از دست رفته
برخورد با موارد پرت
Oversampling و Undersampling تا تعادل مجموعه داده ها
Overfitting و Underfitting
خلاصه ماژول
نمای کلی ماژول
مدیریت ارزش های گمشده
پاک کردن داده ها
تجسم روابط
ساخت مدل رگرسیون
انطباق ویژگی تک متغیره با استفاده از Imputer ساده
Imputation ویژگی چند متغیره با استفاده از Iterative Imputer
نشانگر مقدار گمشده
Imputation ویژگی به عنوان بخشی از خط لوله یادگیری ماشین
خلاصه ماژول
نمای کلی ماژول
داده های عددی
ویژگی های مقیاس بندی و استانداردسازی
عادی سازی و باینریزه کردن ویژگی ها
داده های دسته بندی
رمزگذاری عددی داده های طبقه بندی شده
رمزگذاری برچسب و رمزگذاری تک داغ
گسسته سازی مقادیر پیوسته با استفاده از Pandas Cut
گسسته سازی مقادیر پیوسته با استفاده از گسسته ساز KBins
ساخت یک مدل رگرسیون با داده های گسسته
خلاصه ماژول
نمای کلی ماژول
نفرین ابعاد
کاهش پیچیدگی در داده ها
انتخاب ویژگی برای کاهش ابعاد
روش های فیلتر
روش های تعبیه شده
خلاصه ماژول
نمای کلی ماژول
همبستگی های ویژگی
استفاده از ماتریس همبستگی برای تشخیص چند خطی
استفاده از ضریب تورم واریانس برای تشخیص چند خطی
انتخاب ویژگی ها با استفاده از مقادیر از دست رفته آستانه و آستانه واریانس
انتخاب ویژگی تک متغیره با استفاده از Chi2 و ANOVA
انتخاب ویژگی با استفاده از روشهای Wrapper
انتخاب ویژگی با استفاده از روش های جاسازی شده
خلاصه ماژول
Preparing Data for Machine Learning
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.
Building Features from Numeric Data
آموزش تفسیر داده ها با استفاده از مدل های آماری بوسیله Python
آموزش ساخت مدل های رگرسیون بوسیله scikit-learn
آموزش ساخت و کار با مدل های Deep Learning بوسیله Apache MXNet
آموزش کار با داده ها بوسیله Qlik Sense
استفاده از یادگیری ماشینی در بهداشت
آموزش تفسیر داده ها بوسیله آمار توصیفی در زبان Python
Docker for Data Engineers
شروع به کار با Apache Spark بر روی Azure Databricks
Building Features from Nominal Data
✨ تا ۷۰% تخفیف با شارژ کیف پول 🎁
مشاهده پلن ها