توضیحات

آموزش پیش پردازش و پاکسازی داده ها برای یادگیری ماشین

نام دوره : Data Science 2023: Data Preprocessing & Feature Engineering

پیش نیاز:

• درک سطح مبتدي از پايتون ترجيح داده مي شود اما اجباري نيست
• شما بايد Anaconda را نصب کنيد و نوت بوک jupyter را اجرا کنيد

توضیحات:

داده هاي زندگي واقعي در هم و برهم هستند.

به همين دليل است که وظايف پيش پردازش تقريباً 70 درصد از زمان فرآيند مدل سازي ML را مي گيرد. علاوه بر اين، کمبود دوره هاي اختصاصي وجود دارد که با اين وظيفه چالش برانگيز سروکار دارند

معرفي “دوره علم داده ها: پاکسازي داده ها و مهندسي ويژگي” يک دوره آموزشي کاملاً اختصاصي براي خسته کننده ترين وظايف مدل سازي يادگيري ماشين – “پيش پردازش داده ها”.

اگر مي‌خواهيد مهارت‌هاي پيش‌پردازش داده‌هاي خود را تقويت کنيد تا مدل‌هاي ML با کارايي بالا بهتري داشته باشيد، اين دوره براي شما مناسب است!

اين دوره توسط دانشمندان داده با تجربه طراحي شده است که به شما در درک چرايي و چگونگي پيش پردازش کمک مي کند.

من شما را گام به گام در فرآيند پيش پردازش داده ها راهنمايي خواهم کرد. با هر آموزش، مهارت‌هاي جديدي را توسعه مي‌دهيد و درک خود را از روش‌هاي چالش برانگيز پيش پردازش براي غلبه بر اين چالش بهبود مي‌بخشيد.

ساختار دوره آموزش پیش پردازش و پاکسازی داده ها برای یادگیری ماشین به صورت زير است:

• قسمت 1- EDA (تجزيه و تحليل داده هاي اکتشافي): بينش هايي را در مورد مجموعه داده خود دريافت کنيد
• قسمت 2 – پاکسازي داده ها: داده هاي خود را بر اساس بينش ها پاک کنيد
• قسمت 3 – دستکاري داده ها: ايجاد ويژگي ها، زيرمجموعه ها، کار با تاريخ ها و غيره.
• قسمت 4 – مهندسي ويژگي – داده ها را براي مدل سازي آماده کنيد
• قسمت 5 – نوشتن تابع با پاندا دارفريم
• بخش پاداش: چند نکته و استراتژي آماده سازي مصاحبه براي علاقه مندان به علم داده در شکار شغل

دوره آموزش پیش پردازش و پاکسازی داده ها برای یادگیری ماشین براي چه کساني است:

• علاقه مندان مبتدي به ML و مهندسان ML که مي خواهند مهارت هاي پيش پردازش و ويژگي هاي مهندسي خود را بهبود بخشند.
• افرادي که برنامه نويس هستند اما مي خواهند مهارت خود را افزايش دهند و با بسته هايي مانند Pandas و Scikit Learn آشنا شوند.

بخشی از دوره :