توضیحات

انتخاب ویژگی شاخص با کمک یادگیری ماشین (Machine Learning)

نام دوره : Feature Selection for Machine Learning 

دوره در تاریخ 3/2023 به روز رسانی شد

یادداشت مدرس:

پیش نیاز:

• نصب پایتون
• نصب نوت بوک Jupyter
• مهارت های کدنویسی پایتون
• کمی تجربه با Numpy و Pandas
• دانش کار با الگوریتم های یادگیری ماشینی
• آشنایی با scikit-learn

توضیحات:

به دوره Feature Selection for Machine Learning خوش آمدید .

در دوره آموزشی انتخاب ویژگی شاخص با کمک یادگیری ماشین، یاد خواهید گرفت که چگونه متغیرها را در مجموعه داده های خود انتخاب کنید و مدل های یادگیری ماشینی ساده تر، سریع تر، قابل اعتمادتر و قابل تفسیرتر بسازید.

این دوره برای چه کسانی است؟

شما  اولین قدم‌های خود را در علم داده برداشته‌اید، متداول‌ترین مدل‌های یادگیری ماشینی را می‌شناسید. احتمالاً چند مدل رگرسیون خطی یا مبتنی بر درخت تصمیم ساخته‌اید.

شما با تکنیک های پیش پردازش داده ها مانند حذف داده های از دست رفته، تبدیل متغیرها، رمزگذاری متغیرهای طبقه ای آشنا هستید.

در این مرحله احتمالاً متوجه شده اید که بسیاری از مجموعه های داده حاوی مقدار زیادی ویژگی هستند، و برخی از آنها یکسان یا بسیار مشابه هستند، برخی از آنها اصلاً قابل پیش بینی نیستند، و برای برخی دیگر گفتن آن دشوار است.

در فکر هستید که چگونه می توانید قابل پیش بینی ترین ویژگی ها را بیابید.

نگه داشتن این که کدام یک خوب است و کدام نه را چگونه انجام می دهید؟ شما همچنین در فکرید که چگونه روش ها را به شیوه ای حرفه ای کدنویسی کنید.

دوره انتخاب ویژگی شاخص با کمک یادگیری ماشین (Machine Learning) به شما کمک خواهد کرد! این جامع ترین دوره آنلاین در انتخاب متغیر است . شما طیف عظیمی از روش‌های انتخاب ویژگی را که در سراسر جهان در سازمان‌های مختلف استفاده می‌شوند. برای انتخاب پیش‌بینی‌کننده‌ترین ویژگی‌ها، یاد خواهید گرفت.

به طور خاص، شما یاد خواهید گرفت:

• حذف ویژگی ها با واریانس کم
• شناسایی ویژگی های اضافی
• انتخاب ویژگی ها بر اساس آزمون های آماری
• نحوه انتخاب ویژگی ها بر اساس تغییرات در عملکرد مدل
• چگونه می توان ویژگی های پیش بینی را بر اساس اهمیت نسبت داده شده توسط مدل ها پیدا کرد
• نحوه کدنویسی رویه ها به شیوه ای ظریف و حرفه ای
• چگونه می توان از قدرت کتابخانه های پایتون موجود برای انتخاب ویژگی استفاده کرد

در طول دوره انتخاب ویژگی شاخص با کمک یادگیری ماشین (Machine Learning)   انتخاب ویژگی شاخص با کمک یادگیری ماشین، شما برای هر یک از وظایف ذکر شده چندین تکنیک را یاد خواهید گرفت و با استفاده از Python، Scikit-learn، Pandas و mlxtend، پیاده سازی این تکنیک ها را به شیوه ای زیبا، کارآمد و حرفه ای خواهید آموخت.

دوره انتخاب ویژگی شاخص با کمک یادگیری ماشین (Machine Learning) برای چه کسانی است:

• دانشمندان مبتدی داده که می خواهند بدانند چگونه متغیرها را برای یادگیری ماشین انتخاب کنند
• افراد با علم داده های متوسط ​​که می خواهند تجربه خود را در انتخاب ویژگی برای یادگیری ماشین ارتقا دهند
• مهندسان علم داده پیشرفته که می خواهند روش های جایگزین برای انتخاب ویژگی را کشف کنند
• مهندسین نرم افزار  مشاغل خود را به علم داده تغییر می دهند