Oreilly – Feature Engineering Bookcamp, Video Edition 2022-9

توضیحات

دوره Feature Engineering Bookcamp Video Edition. این دوره، مانند یک کتاب صوتی همراه با ویدئو است. در هر بخش، گوینده کتاب را می‌خواند و همزمان محتوا، نمودارها، کدها و متن روی صفحه نمایش داده می‌شود. با استفاده از این دوره، می‌توانید بدون صرف وقت زیاد برای تنظیم پارامترها، بهبود قابل توجهی در پایپلاین های یادگیری ماشین خود ایجاد کنید.

آنچه فرا خواهید گرفت

• شناسایی و پیاده‌سازی تبدیل‌های ویژگی: یاد می‌گیرید چگونه ویژگی‌های داده‌های خود را برای بهبود عملکرد مدل‌ها تغییر دهید.
• ساخت پایپلاین های یادگیری ماشین با داده‌های بدون ساختار: با داده‌های متنی و تصویری کار خواهید کرد و پایپلاین های قدرتمندی ایجاد خواهید کرد.
• کمی‌سازی و کاهش بایاس در پایپلاین یادگیری ماشین: یاد می‌گیرید چگونه بایاس موجود در داده‌ها را شناسایی و کاهش دهید.
• استفاده از فروشگاه‌های ویژگی برای ساخت پایپلاین مهندسی ویژگی در زمان واقعی: با استفاده از فروشگاه‌های ویژگی، پایپلاین خود را به صورت پویا و در زمان واقعی به‌روزرسانی خواهید کرد.
• بهبود پایپلاین موجود با دستکاری داده‌های ورودی: یاد می‌گیرید چگونه با تغییر داده‌های ورودی، عملکرد مدل‌های خود را بهبود بخشید.
• استفاده از مدل‌های پیشرفته یادگیری عمیق برای استخراج الگوهای پنهان در داده‌ها: با استفاده از مدل‌های یادگیری عمیق، اطلاعات ارزشمندی را از داده‌های خود استخراج خواهید کرد.

این دوره مناسب افرادی است که

• تجربه کار با یادگیری ماشین و زبان برنامه‌نویسی پایتون را دارند.

مشخصات دوره Feature Engineering Bookcamp Video Edition

• ناشر: Oreilly
• مدرس: Sinan Ozdemir
• سطح آموزش: مبتدی تا پیشرفته
• مدت زمان آموزش: 6 ساعت و 30 دقیقه

سرفصل های دوره

• Chapter 1. Introduction to feature engineering
• Chapter 1. The feature engineering pipeline
• Chapter 1. How this book is organized
• Chapter 1. Summary
• Chapter 2. The basics of feature engineering
• Chapter 2. The four levels of data
• Chapter 2. The types of feature engineering
• Chapter 2. How to evaluate feature engineering efforts
• Chapter 2. Summary
• Chapter 3. Healthcare: Diagnosing COVID-19
• Chapter 3. Exploratory data analysis
• Chapter 3. Feature improvement
• Chapter 3. Feature construction
• Chapter 3. Building our feature engineering pipeline
• Chapter 3. Feature selection
• Chapter 3. Answers to exercises
• Chapter 3. Summary
• Chapter 4. Bias and fairness: Modeling recidivism
• Chapter 4. Exploratory data analysis
• Chapter 4. Measuring bias and fairness
• Chapter 4. Building a baseline model
• Chapter 4. Mitigating bias
• Chapter 4. Building a bias-aware model
• Chapter 4. Answers to exercises
• Chapter 4. Summary
• Chapter 5. Natural language processing: Classifying social media sentiment
• Chapter 5. Text vectorization
• Chapter 5. Feature improvement
• Chapter 5. Feature extraction
• Chapter 5. Feature learning
• Chapter 5. Text vectorization recap
• Chapter 5. Answers to exercises
• Chapter 5. Summary
• Chapter 6. Computer vision: Object recognition
• Chapter 6. Feature construction: Pixels as features
• Chapter 6. Feature extraction: Histogram of oriented gradients
• Chapter 6. Feature learning with VGG-11
• Chapter 6. Image vectorization recap
• Chapter 6. Answers to exercises
• Chapter 6. Summary
• Chapter 7. Time series analysis: Day trading with machine learning
• Chapter 7. Feature construction
• Chapter 7. Feature selection
• Chapter 7. Feature extraction
• Chapter 7. Conclusion
• Chapter 7. Answers to exercises
• Chapter 7. Summary
• Chapter 8. Feature stores
• Chapter 8. Setting up a feature store with Hopsworks
• Chapter 8. Creating training data in Hopsworks
• Chapter 8. Answer to exercise
• Chapter 8. Summary
• Chapter 9. Putting it all together
• Chapter 9. Key takeaways
• Chapter 9. Recap of feature engineering
• Chapter 9. Data type-specific feature engineering techniques
• Chapter 9. Frequently asked questions
• Chapter 9. Other feature engineering techniques
• Chapter 9. Further reading material
• Chapter 9. Summary

تصاویر دوره

نمونه فیلم دوره

لینک دانلود

دانلود فایل – 895 مگابایت

گذرواژه فایل(ها): www.downloadly.ir

حجم فایل

895 مگابایت