دوره آموزشی یادگیری کاربردی ماشینی: مهندسی ویژگی ها

یادگیری ماشینی جادو نیست. کیفیت پیش‌بینی‌هایی که از مدل شما بیرون می‌آیند بازتاب مستقیم داده‌هایی است که در طول آموزش به آن داده می‌شود. این دوره با مدرس مت هریسون شما را از طریق تکنیک‌های مهندسی ویژگی برای داده‌های عددی راهنمایی می‌کند تا بتوانید یک مجموعه داده را بردارید، سیگنال را حذف کنید و نویز را به منظور بهینه‌سازی مدل یادگیری ماشینی خود حذف کنید. Matt به شما تکنیک هایی مانند imputation، binning، تبدیل log، و مقیاس گذاری برای داده های عددی را به شما آموزش می دهد. او روش‌هایی را برای انواع دیگر داده‌ها، مانند یک رمزگذاری داغ، کدگذاری هدف‌گذاری میانگین، تحلیل مؤلفه‌های اصلی، تجمیع ویژگی‌ها و تکنیک‌های پردازش متن مانند TFIDF و جاسازی‌ها را پوشش می‌دهد. ابزارهایی که در این دوره یاد می گیرید تقریباً به هر نوع الگوریتم/مشکل یادگیری ماشین تعمیم می یابد، بنابراین با Matt در این دوره همراه باشید تا یاد بگیرید چگونه می توانید حداکثر مقدار را از داده های خود با استفاده از مهندسی ویژگی استخراج کنید.