یادگیری ماشین
مهندسی ویژگی و آماده‌سازی داده
۱۱ بخش۱۱ درس۱۱ آزمون۱ ساعت و ۲۸ دقیقه
متوسط
دورهٔ هفتم یادگیری ماشین در مدرسهٔ هوش مصنوعی مایان: مقیاس‌بندی و نرمال‌سازی، کدگذاری متغیرهای دسته‌ای، جایگزینی داده‌های گمشده، ساخت ویژگی‌های جدید، ویژگی‌های زمانی و متنی، انتخاب ویژگی، پایپ‌لاین و ColumnTransformer در سایکیت‌لرن؛ با انیمیشن و کد واقعی.
این دوره در «مسیر متخصص فنی»، «پلن کامل» است.
دیدن پلنهابخش ۱اهمیت مهندسی ویژگی
۰/۱- اهمیت مهندسی ویژگی۷:۵۱ پیش‌نمایش رایگان
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۲مقیاس‌بندی و نرمال‌سازی
۰/۱- مقیاس‌بندی و نرمال‌سازی۷:۴۴
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۳کدگذاری متغیرهای دسته‌ای
۰/۱- کدگذاری متغیرهای دسته‌ای۸:۱۱
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۴جایگزینی داده‌های گمشده
۰/۱- جایگزینی داده‌های گمشده۷:۴۶
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۵ساخت ویژگی‌های جدید
۰/۱- ساخت ویژگی‌های جدید۷:۵۵
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۶ویژگی‌های زمانی و تاریخی
۰/۱- ویژگی‌های زمانی و تاریخی۸:۰۹
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۷ویژگی‌های متنی ساده
۰/۱- ویژگی‌های متنی ساده۷:۵۷
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۸انتخاب ویژگی
۰/۱- انتخاب ویژگی۷:۵۹
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۹پایپ‌لاین در Scikit-learn
۰/۱- پایپ‌لاین در Scikit-learn۷:۵۹
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۱۰ColumnTransformer
۰/۱- ColumnTransformer۷:۵۵
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۱۱تمرین: ساخت پایپ‌لاین کامل آماده‌سازی
۰/۱- تمرین: ساخت پایپ‌لاین کامل آماده‌سازی۸:۱۲
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
این دوره در «مسیر متخصص فنی»، «پلن کامل» است.
دیدن پلن‌ها