فلش‌کارت‌های آموزشی مهندسی ویژگی در یادگیری ماشین

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب مهندسی ویژگی در یادگیری ماشین

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: یادگیری ماشین (Machine Learning)

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر مهندسی ویژگی
• 2. اهمیت مهندسی ویژگی در یادگیری ماشین
• 3. چرخه حیات پروژه یادگیری ماشین و جایگاه مهندسی ویژگی
• 4. انواع داده ها و چالش های مرتبط
• 5. داده های عددی (Numerical Data)
• 6. داده های دسته بندی (Categorical Data)
• 7. داده های متنی (Text Data)
• 8. داده های زمانی (Time Series Data)
• 9. داده های تصویری (Image Data)
• 10. داده های صوتی (Audio Data)
• 11. داده های گراف (Graph Data)
• 12. درک دامنه مسئله (Domain Understanding)
• 13. اهمیت دانش دامنه در مهندسی ویژگی
• 14. همکاری با کارشناسان دامنه (Domain Experts)
• 15. شناسایی ویژگی های مرتبط با مسئله
• 16. مراحل اولیه اکتشاف داده (Exploratory Data Analysis - EDA)
• 17. خلاصه سازی داده ها (Data Summarization)
• 18. تجسم داده ها (Data Visualization)
• 19. شناسایی الگوها و روابط در داده ها
• 20. تشخیص مقادیر پرت (Outlier Detection)
• 21. روش های شناسایی مقادیر پرت
• 22. راهکارهای برخورد با مقادیر پرت (Handling Outliers)
• 23. حذف مقادیر پرت
• 24. جایگزینی مقادیر پرت
• 25. تبدیل مقادیر پرت
• 26. مدیریت داده های گمشده (Missing Data Handling)
• 27. انواع داده های گمشده (MCAR, MAR, MNAR)
• 28. روش های شناسایی داده های گمشده
• 29. روش های جایگزینی داده های گمشده (Imputation)
• 30. میانگین، میانه، مد (Mean, Median, Mode Imputation)
• 31. جایگزینی با مقدار ثابت
• 32. جایگزینی بر اساس مدل (Model-based Imputation)
• 33. K-نزدیکترین همسایه (KNN Imputation)
• 34. رگرسیون خطی برای جایگزینی
• 35. مهندسی ویژگی برای داده های عددی
• 36. مقیاس بندی ویژگی ها (Feature Scaling)
• 37. استانداردسازی (Standardization)
• 38. نرمال سازی (Normalization)
• 39. مقیاس بندی حداکثر (Max Abs Scaling)
• 40. مقیاس بندی مین-مکس (Min-Max Scaling)
• 41. اهمیت مقیاس بندی برای الگوریتم های مبتنی بر فاصله
• 42. تبدیل ویژگی ها (Feature Transformation)
• 43. تبدیل لگاریتمی (Log Transformation)
• 44. تبدیل ریشه مربعی (Square Root Transformation)
• 45. تبدیل جعبه-کاکس (Box-Cox Transformation)
• 46. تبدیل توان (Power Transformation)
• 47. نمودارهای هیستوگرام برای بررسی توزیع
• 48. تشخیص و رفع چولگی (Skewness Detection and Correction)
• 49. ایجاد ویژگی های جدید از ویژگی های عددی
• 50. ترکیب ویژگی های عددی (Feature Interaction)
• 51. ضرب، جمع، تفریق ویژگی ها
• 52. ایجاد ویژگی های چند جمله ای (Polynomial Features)
• 53. ایجاد ویژگی های مرتبه بالاتر
• 54. مهندسی ویژگی برای داده های دسته بندی
• 55. کدگذاری ویژگی های دسته بندی (Categorical Feature Encoding)
• 56. کدگذاری وان-هات (One-Hot Encoding)
• 57. کدگذاری شاخص (Label Encoding)
• 58. کدگذاری ترتیبی (Ordinal Encoding)
• 59. کدگذاری فرکانس (Frequency Encoding)
• 60. کدگذاری میانگین (Mean Encoding / Target Encoding)
• 61. کدگذاری با استفاده از مدل های آماری (Statistical Encoding)
• 62. کدگذاری با استفاده از درختان تصمیم (Decision Tree Encoding)
• 63. کدگذاری مبتنی بر تکرار (Count/Rare Encoding)
• 64. مدیریت مقادیر دسته بندی نادر (Handling Rare Categories)
• 65. ادغام دسته بندی های نادر
• 66. حذف دسته بندی های نادر
• 67. کدگذاری دسته بندی های نادر به عنوان یک دسته جدید
• 68. مهندسی ویژگی برای داده های متنی
• 69. پیش پردازش متن (Text Preprocessing)
• 70. پاکسازی متن (Text Cleaning)
• 71. حذف علائم نگارشی، اعداد، کاراکترهای خاص
• 72. تبدیل به حروف کوچک (Lowercasing)
• 73. حذف کلمات توقف (Stop Word Removal)
• 74. ریشه یابی کلمات (Stemming)
• 75. لِماتیزاسیون (Lemmatization)
• 76. نمایش برداری متن (Text Vectorization)
• 77. مدل کیسه کلمات (Bag-of-Words - BoW)
• 78. TF-IDF (Term Frequency-Inverse Document Frequency)
• 79. N-grams (Unigrams, Bigrams, Trigrams)
• 80. مدل های جاسازی کلمات (Word Embeddings)
• 81. Word2Vec (Skip-gram, CBOW)
• 82. GloVe (Global Vectors for Word Representation)
• 83. FastText
• 84. مدل های جاسازی متنی پیشرفته (Contextual Embeddings)
• 85. BERT (Bidirectional Encoder Representations from Transformers)
• 86. GPT (Generative Pre-trained Transformer)
• 87. ایجاد ویژگی های متنی جدید
• 88. طول متن (Text Length)
• 89. تعداد کلمات (Word Count)
• 90. تعداد جملات (Sentence Count)
• 91. تعداد کاراکترهای خاص
• 92. پیچیدگی متن (Text Complexity)
• 93. تحلیل احساسات (Sentiment Analysis)
• 94. استخراج موضوعات (Topic Modeling - LDA)
• 95. مهندسی ویژگی برای داده های زمانی
• 96. شناسایی الگوهای سری زمانی (Time Series Pattern Identification)
• 97. روند (Trend)
• 98. فصلی بودن (Seasonality)
• 99. چرخه (Cyclicality)
• 100. ایجاد ویژگی های مبتنی بر زمان