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 مهندسی یاد می گیرید.
عنوان اصلی : Feature Engineering
معرفی
آوردن بینش های انسانی
ویژگی ها در زمان پیش بینی قابل تشخیص هستند
ویژگی ها باید عددی باشند
ویژگی ها باید نمونه های کافی داشته باشند
شروع کار با GCP و Qwiklabs
ویژگی های خوب در مقابل بد
بهبود دقت مدل با ویژگی های جدید
آزمایشگاه: [ML on GCP C4] بهبود دقت مدل با ویژگیهای جدید
ML در مقابل آمار
امتحان: ویژگی ها با هدف مرتبط هستند
امتحان: ویژگی ها در زمان پیش بینی قابل تشخیص هستند
آزمون: ویژگی ها باید عددی باشند
امتحان: ویژگی ها باید به اندازه کافی مثال داشته باشند (قسمت 1)
امتحان: ویژگی ها باید نمونه های کافی داشته باشند (قسمت 2)
داده های خام به ویژگی ها
نمایش ویژگی ها
یک خط لوله جریان داده ساده
Apache Beam / Cloud Dataflow
خطوط لوله داده در مقیاس
جمع بندی جریان داده
معرفی آزمایشگاه: محاسبات ویژگی های پنجره زمانی در Cloud Dataprep
راه حل آزمایشگاهی: یک خط لوله ساده جریان داده
راه حل آزمایشگاهی: محاسبه ویژگی های پنجره زمانی در Cloud Dataprep
راه حل آزمایشگاهی: MapReduce در جریان داده
آزمایشگاه: [ML on GCP C4] یک خط لوله ساده Dataflow (Python)
آزمایشگاه: [ML on GCP C4] ویژگی های محاسباتی پنجره زمانی در Cloud Dataprep
آزمایشگاه: [ML در GCP C4] MapReduce در جریان داده (Python)
MapReduce در Dataflow
پیش پردازش و ایجاد ویژگی
پیش پردازش با Cloud Dataprep
توضیح: ML Fairness
گسسته سازی
تعبیه صلیب های ویژگی
ایجاد ویژگی در DataFlow
ایجاد ویژگی در TensorFlow
پیاده سازی صلیب های ویژگی
معرفی
Lab Intro: ویژگی های متقاطع برای ایجاد یک طبقه بندی خوب
معرفی آزمایشگاه: بهبود مدل ML با مهندسی ویژگی
معرفی آزمایشگاه: چیز خیلی خوب
راه حل آزمایشگاهی: ویژگی های متقاطع برای ایجاد یک طبقه بندی خوب
راه حل آزمایشگاهی: خیلی چیز خوبی است
آزمایشگاه: [ML در GCP C4] بهبود مدل ML با مهندسی ویژگی
حفظ در مقابل تعمیم
راه حل: بهبود مدل ML با مهندسی ویژگی
پراکندگی + آزمون
رنگ های تاکسی
متقاطع ویژگی چیست؟
کجا می توان مهندسی ویژگی را انجام داد
فاز تجزیه و تحلیل
کاوش tf.transform
کاوش tf.transform
معرفی
آزمایشگاه: [ML on GCP C4] Exploring tf.transform
پشتیبانی از خدمت
تبدیل TensorFlow
فاز تبدیل
خلاصه
Feature Engineering
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.
آموزش طراحی API ها در گوگل بوسیله Apigee API Platform
آموزش کاهش نفوذ پذیری در Google Cloud Platform
فیلم یادگیی کار با TensorFlow
آموزش طراحی API ها بوسیله Google Cloud Apigee API Platform
فیلم یادگیری کامل Google Cloud Platform Big Data And Machine Learning
آموزش توسعه API ها در گوگل کلود بوسیله Apigee API Platform
آموزش مهاجرت به گوگل کلود
آموزش کدنویسی API ها با Google Clouds Apigee API Platform