قیمت 120,000 تومان 39,000 تومان

امتیاز 0 از 0 رأی
بدون امتیاز 0 رای
120,000 تومان 39,000 تومان
ویژگی های دوره
place
نوع دوره: غیر حضوری
local_library
سطح دوره: فوق حرفه ای
traffic
پیش نیاز: پایتون
language
زبان: فارسی
access_time
ویدئویی(کیفیت HD)
playlist_add_check
ناشر : بیگ لرن
storage
640 مگابایت
supervisor_account
روش پشتیبانی: ارسال تیکت
card_membership
ساده و قابل فهم

انتخاب ویژگی چیست؟

مساله انتخاب ویژگی، یکی از مسائلی است که در مبحث یادگیری ماشین و همچنین شناسائی آماری الگو مطرح است. ویژگی‌ها تاثیر زیادی بر عملکرد، دقت و کارایی سیستم خواهند داشت. شاید مهم‌ترین بخش برای عملیاتِ داده‌کاویْ و مدسازی هوشمند عملیاتِ انتخابِ ویژگی است. چون، ویژگی‌های نامرتبط یا تا حدودی مرتبط می‌توانند تاثیر منفی بر عملکرد سیستم داشته باشند. پیاده‌سازی روش های انتخاب ویژگی اولین و مهم‌ترین مرحله در طراحی سیستم های هوشمند یادگیری هستند. همچنین، وقتی که ابعاد فضای ویژگی داده‌ها بسیار زیاد است و با معضل بعد مواجه هستیم، استفاده از مجموعه ویژگی‌های مناسب، «هزینه‌های محاسباتی» لازم برای آموزش بهینه سیستم را به شدت کاهش می‌دهد. از سوی دیگر، انتخاب ویژگی با حذف ویژگی‌های غیر مرتبط و تکراری به کاهش ابعاد منجر می‌شود. انتخاب ویژگی در بسیاری از کاربردها اهمیت زیادی دارد، زیرا در این کاربردها تعداد زیادی ویژگی وجود دارد، که بسیاری از آنها یا بلااستفاده هستند و یا اینکه بار اطلاعاتی چندانی ندارند. حذف نکردن این ویژگی­ها مشکلی از لحاظ اطلاعاتی ایجاد نمی­کند ولی بار محاسباتی را برای کاربرد مورد نظر بالا می­برد. و علاوه بر این باعث می­شود که اطلاعات غیر مفید زیادی را به همراه داده­های مفید ذخیره کنیم. انتخاب ویژگی را می‌توان به عنوان فرآیند شناسایی ویژگی‌های مرتبط و حذف ویژگی‌های غیر مرتبط و تکراری تعریف کرد. این کار مزایای زیادی دارد از جمله:

  • افرایش دقت و کارایی روش های یادگیری ماشین
  • ساده سازی و درک درست از داده
  •  کاهش هزینه‌ها و محاسبات زمان و حافظه
  • جلوگیری از بیش برازش
  • سادگی و قابلیت اطمینان و افزایش سرعت پردازش

برای مساله انتخاب ویژگی، راه حل­ها و الگوریتم­های فراوانی ارائه شده است که بعضی از آنها قدمت سی یا چهل ساله دارند. مشکل بعضی از الگوریتم­ها در زمانی که ارائه شده بودند، بار محاسباتی زیاد آنها بود، اگر چه امروزه با ظهور کامپیوترهای سریع و منابع ذخیره سازی بزرگ این مشکل، به چشم نمی­آید ولی از طرف دیگر، مجموعه­های داده­ای بسیار بزرگ برای مسائل جدید باعث شده است که همچنان پیدا کردن یک الگوریتم سریع برای این کار مهم باشد.

 

 

روش های انتخاب ویژگی کدامند؟

روش های Filter

  • Mutual-Information
  • Roc-auc Or Mse
  • Correlation

روش های wrapper

  • forward feature selection
  • backward feature selection
  • Exhaustive feature selection

 

چالش های انتخاب ویژگی؟

  • تنوع داده ها
  • ویژگی های مهم کدامند؟
  • شباهت و همپوشانی داده ها
  • زمان پردازش
  • بیش برازش
  •  تغییر داده
  • مشخص نبودن ویژگی های خوب
  • کمبود داده

ویژگی های خوب کدامند؟

  • از خود داده انتخاب شوند
  • افزونه نباشند
  • مرتبط با خروجی باشند
  • تمایز بیشتر بین کلاس ها ایجاد کنند
  • واریانس درون کلاسی کمینه و واریانس برون کلاسی بیشینه

هدف از این دوره آموزشی؟

در این پروژه برای انتختب ویژگی های متناسب با تابع هدف مساله از روش های مبتنی بر یادگیری عمیق استفاده می شوند که به صورت خودکار ویژگی هایی که مناسب هستند را برای ما تولید می کنند. در این دوره به صورت کامل انتخاب ویژگی بحث می شود و نحوه انتخاب ویژگی به صورت عمیق توضیح داده می شود و پیاده سازی می شود. ابتدا انتخاب ویژگی معرفی می شود و مزایا و کاربردهای آن کامل گفته می شود. بعد انواع روش های انتخاب ویژگی با یادگیری ماشین و یادگیری عمیق معرفی می شوند. روش های انتخاب ویژگی فیلتر و رپر به صورت کامل توضیخ داده می شوند و همچنین روش های یادگیری عمیق نیز کامل معرفی می شوند. نحوه آموزش عمیق ویژگی ها توضیح داده می شود. داده های استفاده شده برای این الگوریتم دیتاست تصویر و داده های سرطان پستان هستند که میتوانید هر نوع تصویری یا داده ای را جایگزین کنید و عملیات انتخاب ویژگی را با این کدها روی هر دیتاستی به صورت آسان انجام دهید.کدهای پروژه به زبان پایتون نوشته شده است و نحوه اجرای الگوریتم ها مرحله به مرحله توضیح داده شده است.پروژه قابلیت آموزش روی داده های دلخواه خودتان را دارد و می توانید عملیات انتخاب ويژگي مورد نظر خود را با آن انجام دهید. بدون شک یکی از بهترین پروژه های عمیق برای انتخاب ويژگي می باشد که با زبان فارسی و ساده و روان توضیح داده شده است. امیدواریم که این آموزش از “بیگ لرن” هم مثل سایر آموزش ها مورد تایید و رضایت شما مخاطبان گرامی قرار گیرد.

موارد بحث شده در این دوره آموزشی؟

معرفی انتخاب ویژگی و دلیل اصلی آن

خصوصی

مزایا و کاربردهای انتخاب ویژگی

خصوصی

معرفی چالش های انتخاب ویژگی

خصوصی

معرفی روش های مقابله با مشکل افزایش ابعاد

خصوصی

معرفی ویژگی های خوب در مدل های هوشمند

خصوصی

معرفی روش های مختلف انتخاب ویژگی

خصوصی

قوانین یادگیری در انتخاب ویژگی

خصوصی

انتخاب ویژگی بدون یادگیری عمیق

خصوصی

معرفی کامل Mutual-Information در انتخاب ویژگی

خصوصی

پیاده سازی کامل Mutual-Information برای انتخاب ویژگی

خصوصی

معرفی کامل Roc-auc برای انتخاب ویژگی

خصوصی

پیاده سازی کامل Roc-auc برای انتخاب ویژگی

خصوصی

معرفی کامل Correlation برای انتخاب ویژگی

خصوصی

پیاده سازی کامل Correlation برای انتخاب ویژگی

خصوصی

معرفی کامل forward feature selection برای انتخاب ویژگی

خصوصی

پیاده سازی کامل forward feature selection برای انتخاب ویژگی

خصوصی

معرفی کامل backward feature selection برای انتخاب ویژگی

خصوصی

پیاده سازی کامل backward feature selection برای انتخاب ویژگی

خصوصی

معرفی کامل Exhaustive feature selection

خصوصی

پیاده سازی کامل Exhaustive feature selection

خصوصی

معرفی روش های انتخاب ویژگی با یادگیری عمیق

خصوصی

معرفی کامل backward elimination برای انتخاب ویژگی عمیق

خصوصی

پیاده سازی کامل backward elimination برای انتخاب ویژگی عمیق

خصوصی

معرفی یادگیری عمیق برای انتخاب ویژگی با روش عمیق autoencoder

خصوصی

پیاده سازی کامل یادگیری عمیق برای انتخاب ویژگی با autoencoder

خصوصی

معرفی مجموعه های داده ای

خصوصی

تقسیم بندی داده ها به train و test

خصوصی

ارزیابی روش های انتخاب ویژگی

خصوصی

قابلیت انتخاب ویژگی روی داده های دلخواه

خصوصی

سورس کدها و فیلم آموزش کامل دوره فایل های ضمیمه

خصوصی

تشریح خط به خط کدها

خصوصی

درخواست مشاوره

برای کسب اطلاعات بیشتر درباره این دوره درخواست مشاوره خود را ارسال کنید و یا با ما در تماس باشید.

درخواست مشاوره

نیاز به مشاوره دارید؟

در صورتی که نیاز به مشاوره دارید می توانید فرم را تکمیل نمایید و یا با ما در تماس باشید

درخواست مشاوره رایگان

moreدوره های مرتبط

آموزش کامل یادگیری عمیق با pytorch در پایتون

آموزش کامل یادگیری عمیق با pytorch در پایتون آموزش کامل یادگیری عمیق با pytorch در پایتون

رایگان!

طبقه بندی محصولات غذایی با یادگیری عمیق

طبقه بندی محصولات غذایی براساس تصاویر؟ غذا و تغذیه ، بی‌شک مهمترین موضوع مورد بحث دنیای امروز را تشکیل می‌دهد.…
65,000 تومان 35,000 تومان

طبقه بندی متن با یادگیری عمیق

طبقه بندی متن چیست؟ طبقه بندی خودکار متون از موارد کاربرد الگوریتم های یادگیری ماشینی در مبحث بازیابی اطلاعات میباشد…
90,000 تومان 39,000 تومان

تشخیص حالت چهره (احساسات) با یادگیری عمیق

تشخیص حالت چهره: از جمله مسائل جذاب در بینایی ماشین تحلیل تصاویر حاوی انسان است. یکی از مسائل مورد توجه…
90,000 تومان 39,000 تومان

chat_bubble_outlineنظرات

  • محمد حسین

    با مشاهده این دوره خیلی خوب توانستم انتخاب ویژگی و پیاده سازی آن را به صورت عمیق یاد بگیرم. ممنون استاد گرامی

قوانین ثبت دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *