Feature Engineering for Machine Learning فیلم آموزشی محصول کمپانی freetutorials میباشد . در طول دوره Feature Engineering for Machine Learning ، شما می خواهید چندین تکنیک را برای هر یک از کارهای ذکر شده بیاموزید ، و یاد خواهید گرفت که این تکنیک ها را به شیوه ای زیبا ، کارآمد و حرفه ای پیاده سازی کنید ، با استفاده از Python ، NumPy ، Scikit-Learn . به دوره Feature Engineering for Machine Learning خوش آمدید ، جامع ترین دوره در مورد مهندسی ویژگی های آنلاین است . در این دوره ، نحوه مهندسی ویژگی ها و ساختن مدلهای یادگیری ماشین قدرتمندتر را یاد خواهید گرفت . بنابراین ، شما اولین قدم های خود را به علم داده انجام داده اید ، متداول ترین مدل های پیش بینی را می شناسید .
آنچه در دوره Feature Engineering for Machine Learning یاد خواهید گرفت:
_ متغیرهای دسته ای را هنگام ضبط اطلاعات معنی دار به اعداد تبدیل کنید .
_ متغیرهای عددی را به گسسته تبدیل کنید .
_ فاصله ها را از متغیرهای خود حذف کنید .
_ ویژگی های معنی دار را از متغیرهای تاریخ و زمان استخراج کنید .
_ تکنیک های مورد استفاده در سازمانها در سراسر جهان را بیاموزید .
_ برای پیش پردازش داده ها و ایجاد مدل های یادگیری ماشین قدرتمندتر ، کارنامه خود را از تکنیک ها افزایش دهید .
الزامات دوره Feature Engineering for Machine Learning:
_ نصب پایتون
_ نصب نوت بوک Jupyter
_ مهارت های برنامه نویسی پایتون
_ برخی از آنها با Numpy و Pandas تجربه می کنند
_ آشنایی با الگوریتم های یادگیری ماشین
_ آشنایی با Scikit-Learn
در دوره Feature Engineering for Machine Learning شما یاد خواهید گرفت:
_ چگونه داده های از دست رفته خود را وارد کنید .
_ نحوه رمزگذاری متغیرهای طبقه بندی شده شما .
_ چگونه می توان متغیرهای عددی خود را تغییر داد تا آنها فرضیات مدل ML را برآورده کنند .
_ چگونه متغیرهای عددی خود را به فواصل گسسته تبدیل کنیم .
_ نحوه اداره متغیرهای تاریخ و زمان .
_ نحوه کار با مناطق مختلف زمانی .
_ نحوه اداره متغیرهای مختلط که شامل رشته ها و اعداد هستند .