دوره

پیش‌پردازش برای یادگیری ماشین در پایتون

یاد بگیرید چطور داده‌هاتون رو برای یادگیری ماشین تمیز و آماده کنید!

پیشرفته
تاریخ به‌روزرسانی:
30 شهریور 1405
۴٫۷
پایتون
۴ ساعت
۲۰ ویدیو
۴۲ تمرین
۵۰۹ شرکت‌کننده
۴۷۰
کاربرهای فینکا در چه شرکت‌هایی مشغول به کار هستند؟
توضیحات دوره

این دوره مفاهیم پایه پیش‌پردازش داده رو پوشش می‌ده و یاد می‌گیرید چه زمانی و چطور داده‌هاتون رو برای یادگیری ماشین آماده کنید. پیش‌پردازش یکی از مراحل ضروری هر پروژه یادگیری ماشینه و بین وارد کردن و تمیز کردن داده‌ها و برازش مدل قرار می‌گیره.

یاد می‌گیرید داده‌هاتون رو استاندارد کنید تا در قالب مناسبی برای مدل قرار بگیرن، ویژگی‌های جدید بسازید تا اطلاعات بیشتری از دیتاست استخراج کنید و بهترین ویژگی‌ها رو برای بهبود برازش مدل انتخاب کنید. در پایان هم با آماده‌سازی یک دیتاست از مشاهدات UFO برای مدل‌سازی، پیش‌پردازش داده رو به‌صورت عملی تمرین می‌کنید.

همونیه که می‌خواید یاد بگیرید؟

1
مقدمه‌ای بر پیش‌پردازش داده‌ها

در این بخش یاد می‌گیرید پیش‌پردازش داده یعنی چی. همچنین اولین قدم‌های این فرآیند رو برمی‌دارید؛ از بررسی انواع داده گرفته تا مدیریت داده‌های گمشده.

2
استانداردسازی داده‌ها

این بخش درباره استانداردسازی داده‌هاست. مدل‌ها اغلب فرض‌هایی درباره توزیع یا مقیاس ویژگی‌ها دارن. استانداردسازی کمک می‌کنه داده‌هاتون با این فرض‌ها هماهنگ بشن و عملکرد الگوریتم بهتر بشه.

3
مهندسی ویژگی

در این بخش با مهندسی ویژگی آشنا می‌شید. روش‌های مختلفی رو برای ساخت ویژگی‌های جدید و کاربردی‌تر از ویژگی‌های موجود در دیتاست بررسی می‌کنید. همچنین یاد می‌گیرید چطور از ویژگی‌های عددی و متنی، اطلاعات رو کدگذاری، تجمیع و استخراج کنید.

4
انتخاب ویژگی‌ها برای مدل‌سازی

در این بخش با چند روش مختلف برای انتخاب مهم‌ترین ویژگی‌های دیتاست آشنا می‌شید. یاد می‌گیرید چطور ویژگی‌های اضافی رو حذف کنید، با بردارهای متنی کار کنید و با استفاده از تحلیل مولفه‌های اصلی یا PCA، تعداد ویژگی‌های دیتاست رو کاهش بدید.

5
ترکیب همه موارد

حالا که با پیش‌پردازش داده آشنا شدید، این تکنیک‌ها رو روی دیتاستی شامل اطلاعات مشاهده‌های UFO به کار می‌برید.

گواهی پایان دوره

  • تأیید مهارت شما

    با تکمیل این دوره، شما یک گواهی معتبر دریافت می‌کنید که بیانگر کسب مهارت‌های لازم مرتبط با این دوره آموزشی است.

  • اعتبار و اصالت گواهی

    هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم می‌کند.

  • اشتراک‌گذاری

    می‌توانید گواهی‌های خود را به‌راحتی در شبکه‌های حرفه‌ای مانند لینکدین با دیگران به اشتراک بگذارید.

اشتراک‌گذاری
منابع
Hiking data

UFO sightings data

Volunteering data

Coffee data

سوالات متداول

نه. این یک دوره پیشرفته‌ست و پیش‌نیازهای زیادی داره؛ از جمله آشنایی با Pandas ،Scikit-Learn و آمار. همچنین باید تجربه قبلی در یادگیری نظارت‌شده داشته باشید.

یاد می‌گیرید چطور با استانداردسازی داده‌ها، ساخت و انتخاب ویژگی‌ها و مدیریت داده‌های گمشده، دیتاست‌ها رو برای استفاده در مدل‌های یادگیری ماشین آماده کنید.

دیتاست مشاهده‌های UFO در بخش آخر به‌عنوان یک تمرین عملی استفاده می‌شه تا تمام تکنیک‌های پیش‌پردازشی رو که در طول دوره یاد گرفتید، روی اون پیاده‌سازی کنید.

این دوره ۵ بخش و ۷۰ تمرین داره و بیشتر کاربرها اون رو در حدود 4 ساعت تموم می‌کنن.

پیش‌پردازش کمک می‌کنه داده‌هاتون در قالب مناسبی برای مدل قرار بگیرن. اگر داده‌ها به‌خوبی آماده نشده باشن، فارغ از اینکه از چه الگوریتمی استفاده می‌کنید، ممکنه پیش‌بینی‌های نادرستی به دست بیاد.

دریافت اپلیکیشن فینکا

با اپلیکیشن فینکا، به بیشتر دوره‌ها و مسیرها روی موبایل دسترسی دارید، تمرین می‌کنید و یادگیری رو هم‌زمان روی موبایل و دسکتاپ ادامه می‌دید.