کتاب مهندسی ویژگی در یادگیری ماشین
, ,

کتاب مهندسی ویژگی در یادگیری ماشین

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000028721 دسته: , , برچسب: , , , , , , , , ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 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

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب مهندسی ویژگی در یادگیری ماشین”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا