سپنتا کتاب اکسپرس
کتاب مهندسی ویژگی و آماده‌سازی داده برای یادگیری ماشین

کتاب مهندسی ویژگی و آماده‌سازی داده برای یادگیری ماشین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مهندسی ویژگی و آماده‌سازی داده برای یادگیری ماشین

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: پایگاه داده و مدیریت داده**

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر مهندسی ویژگی
  • 2. اهمیت مهندسی ویژگی در یادگیری ماشین
  • 3. انواع داده ها و نمایش آنها
  • 4. شناخت و درک مجموعه داده
  • 5. پاکسازی داده های گمشده
  • 6. شناسایی و مدیریت داده های پرت
  • 7. تبدیل داده های دسته بندی به عددی
  • 8. کدگذاری یک-داغ (One-Hot Encoding)
  • 9. کدگذاری برچسب (Label Encoding)
  • 10. کدگذاری ترتیب (Ordinal Encoding)
  • 11. کدگذاری فرکانس (Frequency Encoding)
  • 12. کدگذاری مبتنی بر هدف (Target Encoding)
  • 13. کدگذاری با استفاده از مدل های یادگیری ماشین
  • 14. مقیاس بندی ویژگی ها
  • 15. نرمال سازی (Normalization)
  • 16. استانداردسازی (Standardization)
  • 17. حداقل-حداکثر مقیاس بندی (Min-Max Scaling)
  • 18. مقیاس بندی قوی (Robust Scaling)
  • 19. بررسی توزیع ویژگی ها
  • 20. شناسایی و مدیریت ناهمگونی واریانس
  • 21. تبدیل های لگاریتمی و ریشه‌ای
  • 22. تبدیل جعبه-کاکس (Box-Cox Transformation)
  • 23. بررسی ارتباط بین ویژگی ها
  • 24. ماتریس همبستگی
  • 25. نمودارهای پراکندگی (Scatter Plots)
  • 26. تست های آماری همبستگی
  • 27. حذف ویژگی های اضافی (Redundant Features)
  • 28. شناسایی ویژگی های تکراری
  • 29. حذف ویژگی های با واریانس کم
  • 30. استخراج ویژگی های جدید
  • 31. ترکیب ویژگی های موجود
  • 32. ایجاد ویژگی های تعاملی (Interaction Features)
  • 33. ایجاد ویژگی های چندجمله ای (Polynomial Features)
  • 34. تجزیه مولفه های اصلی (PCA)
  • 35. تحلیل مؤلفه مستقل (ICA)
  • 36. تحلیل تفکیک کننده خطی (LDA)
  • 37. کاهش ابعاد با استفاده از روش های مبتنی بر درخت
  • 38. فشرده سازی داده ها
  • 39. بازنمایی های فشرده سازی شده
  • 40. کدگذارها (Autoencoders)
  • 41. طراحی ویژگی برای داده های متنی
  • 42. بردارسازی متن (Text Vectorization)
  • 43. مدل کیسه کلمات (Bag-of-Words)
  • 44. TF-IDF (Term Frequency-Inverse Document Frequency)
  • 45. کلمات کلیدی و تشخیص موضوع
  • 46. مدل های موضوعی (Topic Models)
  • 47. استخراج ویژگی های معنایی
  • 48. مدل های جاسازی کلمه (Word Embeddings)
  • 49. Word2Vec
  • 50. GloVe
  • 51. FastText
  • 52. طراحی ویژگی برای داده های زمانی
  • 53. تأخیرها (Lags)
  • 54. میانگین متحرک (Moving Averages)
  • 55. روند و فصلی بودن
  • 56. ویژگی های مبتنی بر تقویم
  • 57. استخراج ویژگی برای داده های تصویری
  • 58. هستوگرام ها
  • 59. ویژگی های لبه و گوشه
  • 60. شبکه های عصبی کانولوشنال (CNNs)
  • 61. استخراج ویژگی از لایه های میانی CNN
  • 62. طراحی ویژگی برای داده های گراف
  • 63. ماتریس مجاورت (Adjacency Matrix)
  • 64. مشخصات گره (Node Features)
  • 65. مسیرها و فاصله ها در گراف
  • 66. جاسازی های گراف (Graph Embeddings)
  • 67. GNNs (Graph Neural Networks)
  • 68. مهندسی ویژگی خودکار (Automated Feature Engineering)
  • 69. ابزارها و کتابخانه های خودکارسازی
  • 70. جستجوی جامع ویژگی (Exhaustive Feature Search)
  • 71. جستجوی تصادفی ویژگی (Random Feature Search)
  • 72. تولید ویژگی های مبتنی بر قوانین (Rule-Based Feature Generation)
  • 73. استفاده از یادگیری تقویتی برای مهندسی ویژگی
  • 74. ارزیابی و انتخاب ویژگی
  • 75. اهمیت ویژگی های مدل های مبتنی بر درخت
  • 76. روش های مبتنی بر رگرسیون
  • 77. معیارهای انتخاب ویژگی
  • 78. امتیازات اطلاعات (Information Gain)
  • 79. افزایش متقابل (Mutual Information)
  • 80. انتخاب ویژگی افزایشی (Incremental Feature Selection)
  • 81. انتخاب ویژگی بازگشتی (Recursive Feature Elimination)
  • 82. اعتبارسنجی متقابل (Cross-Validation) برای انتخاب ویژگی
  • 83. اثرات جانبی مهندسی ویژگی
  • 84. تفسیرپذیری مدل ها
  • 85. پیچیدگی محاسباتی
  • 86. سوگیری در مهندسی ویژگی
  • 87. راهبردهای کاهش سوگیری
  • 88. مهندسی ویژگی برای مدل های خاص
  • 89. مدل های خطی
  • 90. مدل های مبتنی بر درخت
  • 91. شبکه های عصبی
  • 92. مهندسی ویژگی و یادگیری انتقالی
  • 93. استفاده از ویژگی های از پیش آموزش دیده
  • 94. تنظیم دقیق (Fine-tuning) مدل ها
  • 95. بهبود عملکرد مدل با مهندسی ویژگی
  • 96. سنجه های ارزیابی عملکرد
  • 97. آزمایشات A/B برای ارزیابی ویژگی
  • 98. ملاحظات مربوط به زمان اجرا
  • 99. بهینه سازی مهندسی ویژگی
  • 100. مستندسازی مهندسی ویژگی

📚 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.