دوره آموزشی
دوبله زبان فارسی
مهندسی ویژگی با PySpark
✅ سرفصل و جزئیات آموزش
دنیای واقعی پر از بینظمی است و وظیفه شما این است که از آن معنا استخراج کنید. مجموعهداده نمونهای مانند MTCars و Iris حاصل پالایش و پاکسازی دقیق هستند، با این حال همین داده نیز باید تبدیل شوند تا برای الگوریتمهای قدرتمند یادگیری ماشین جهت استخراج معنا، پیشبینی، دستهبندی یا خوشهبندی قابل استفاده باشند.
این دوره به جزئیات عملی میپردازد؛ یعنی آمادهسازی داده و مهندسی ویژگی که دانشمندان داده 70-80% زمان خود را صرف آن میکنند. با توجه به اینکه اندازه مجموعهداده روزبهروز بزرگتر میشود، مدرس از PySpark استفاده میکند تا این چالش Big Data را قابل مدیریت کند.
مهندسی ویژگی با PySpark
-
از کجا شروع کنیم؟ None
-
تعریف مسئله None
-
بررسی بصری داده / EDA None
-
دراپ کردن داده None
-
تنظیم داده None
-
کار با داده گمشده None
-
دریافت داده بیشتر None
-
تولید ویژگی None
-
ویژگیهای زمانی None
-
استخراج ویژگیها None
-
باینریسازی، Bucketing و Encoding None
-
انتخاب الگوریتم None
-
فرضیات مهندسی ویژگی برای RFR None
-
ساخت یک مدل None
-
تفسیر، ذخیرهسازی و بارگذاری None
-
جمعبندی نهایی None
مشخصات آموزش
مهندسی ویژگی با PySpark
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:پیشرفته
- تعداد درس:16
- مدت زمان :4:00:00
- حجم :296.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy