کتاب مهندسی ویژگی: استخراج اطلاعات ارزشمند با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مهندسی ویژگی: استخراج اطلاعات ارزشمند

موضوع کلی: مبانی و مفاهیم علوم داده

موضوع میانی: پیش‌پردازش و پاک‌سازی داده

📋 سرفصل‌های دوره

• 1. مهندسی ویژگی: مقدمه‌ای بر استخراج اطلاعات
• 2. اهمیت مهندسی ویژگی در یادگیری ماشین
• 3. انواع داده‌ها و آماده‌سازی آن‌ها
• 4. پیش‌پردازش داده‌ها: پاکسازی و تبدیل
• 5. مقیاس‌بندی ویژگی‌ها: نرمال‌سازی و استانداردسازی
• 6. انتخاب ویژگی: روش‌های فیلتری
• 7. انتخاب ویژگی: روش‌های پوششی
• 8. کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA)
• 9. کاهش ابعاد: تحلیل تفکیک خطی (LDA)
• 10. مهندسی ویژگی برای داده‌های متنی
• 11. مدل‌های برداری کلمات: Word2Vec
• 12. مدل‌های برداری کلمات: GloVe
• 13. استخراج ویژگی از متن با استفاده از TF-IDF
• 14. استخراج ویژگی از متن با استفاده از N-grams
• 15. مهندسی ویژگی برای داده‌های تصویری
• 16. استخراج ویژگی با استفاده از شبکه‌های عصبی کانولوشنال (CNN)
• 17. استخراج ویژگی با استفاده از SIFT و HOG
• 18. مهندسی ویژگی برای داده‌های صوتی
• 19. استخراج ویژگی از صوت با استفاده از طیف‌نگاشت
• 20. استخراج ویژگی از صوت با استفاده از MFCC
• 21. مهندسی ویژگی برای داده‌های سری زمانی
• 22. استخراج ویژگی از سری زمانی با استفاده از پنجره‌های لغزان
• 23. استخراج ویژگی از سری زمانی با استفاده از تبدیل فوریه
• 24. تبدیل ویژگی‌های طبقه‌ای به عددی
• 25. مدیریت داده‌های گمشده
• 26. تشخیص و حذف داده‌های پرت
• 27. ایجاد ویژگی‌های تعاملی
• 28. ترکیب ویژگی‌ها
• 29. انتخاب ویژگی با استفاده از الگوریتم‌های مبتنی بر درخت
• 30. اهمیت مهندسی ویژگی در مسائل رگرسیون
• 31. اهمیت مهندسی ویژگی در مسائل طبقه‌بندی
• 32. مهندسی ویژگی برای داده‌های نامتوازن
• 33. ارزیابی تاثیر مهندسی ویژگی بر عملکرد مدل
• 34. مهندسی ویژگی خودکار: AutoFeature
• 35. استفاده از الگوریتم‌های تکاملی برای مهندسی ویژگی
• 36. مهندسی ویژگی و یادگیری انتقالی
• 37. مهندسی ویژگی برای داده‌های بزرگ
• 38. چالش‌های مهندسی ویژگی در داده‌های پیچیده
• 39. بهینه‌سازی ویژگی‌ها برای سرعت و حافظه
• 40. مهندسی ویژگی در سیستم‌های توصیه‌گر
• 41. مهندسی ویژگی برای تشخیص تقلب
• 42. مهندسی ویژگی در پردازش زبان طبیعی (NLP)
• 43. مهندسی ویژگی برای بینایی کامپیوتر
• 44. مهندسی ویژگی در تحلیل احساسات
• 45. مهندسی ویژگی در پیش‌بینی سری‌های زمانی