Pluralsight – Data Engineering for Machine Learning 2025-5

در تاریخ: 1404/06/13 1:32:03

توضیحات

دوره Data Engineering for Machine Learning. این دوره به شرکت‌کنندگان این امکان را می‌دهد تا با توسعه مهارت‌های مهندسی داده، اطلاعات خام را برای استفاده در پروژه‌های یادگیری ماشین آماده کنند. این دوره بر کسب تخصص عملی در جمع‌آوری، پاک‌سازی، اعتبارسنجی و تبدیل داده‌ها به مجموعه‌های باکیفیت تمرکز دارد. شرکت‌کنندگان با مبانی مهندسی داده آشنا شده و روش‌های استخراج داده از منابع مختلف مانند پایگاه‌های داده، فایل‌های CSV و JSON و APIها را فرا می‌گیرند. در بخش عملی با استفاده از پایتون در VS Code و کتابخانه‌هایی مثل Pandas، پایپ‌لاین‌های مقیاس‌پذیر برای پردازش داده‌های بَچ و بلادرنگ ایجاد می‌شود. همچنین تکنیک‌های پیش‌پردازش و اعتبارسنجی داده به منظور افزایش دقت و بهبود عملکرد مدل‌های یادگیری ماشین آموزش داده می‌شود. در ادامه، شیوه‌های خودکارسازی پایپ‌لاین‌های داده، مدیریت داده‌های حجیم و مهندسی ویژگی با درنظرگیری اصول اخلاقی مانند رعایت حریم خصوصی و جلوگیری از سوگیری ارائه می‌گردد. در پایان دوره، فراگیران توانایی طراحی و پیاده‌سازی پایپ‌لاین‌های داده مقیاس‌پذیر، مطمئن و اخلاقی را به دست می‌آورند که زیرساخت لازم برای اجرای پروژه‌های یادگیری ماشین و پیاده‌سازی شیوه‌های MLOps را فراهم می‌کند.

آنچه فرا خواهید گرفت

جمع‌آوری و آماده‌سازی داده: یاد می‌گیرید که چگونه داده‌ها را از منابع مختلف مانند APIها، پایگاه‌های داده، فایل‌های CSV و JSON جمع‌آوری و آماده کنید.
ساخت Pipelines داده: پایپ لاین داده مقیاس‌پذیر را با استفاده از پایتون و کتابخانه‌هایی مانند Pandas می‌سازید.
پاک‌سازی و اعتبارسنجی داده: بر تکنیک‌های ضروری برای پاک‌سازی و اعتبارسنجی داده‌ها مسلط می‌شوید.
مهندسی ویژگی (Feature Engineering): با بهترین شیوه‌ها برای یکپارچه‌سازی فرآیندهای مهندسی ویژگی آشنا می‌شوید.
خودکارسازی پایپ لاین: یاد می‌گیرید که چگونه پایپ لاین داده را خودکارسازی کنید.
ملاحظات اخلاقی: به مسائل اخلاقی مانند جلوگیری از سوگیری و حریم خصوصی داده‌ها می‌پردازید.

این دوره مناسب افرادیست که

مهندسان نرم‌افزار: افرادی که می‌خواهند تخصص خود را در زمینه یادگیری ماشین گسترش دهند.
متخصصان یادگیری ماشین: افرادی که به دنبال بهبود کیفیت داده‌های ورودی خود هستند.
تحلیلگران داده: افرادی که می‌خواهند مهارت‌های خود را در آماده‌سازی داده برای مدل‌های پیش‌بینی‌کننده ارتقا دهند.