Build your ultimate AI agent
कोर्स विवरण
मशीन लर्निंग के लिए फीचर इंजीनियरिंग की खोज करें
इस पाठ्यक्रम में, आप फीचर इंजीनियरिंग के बारे में सीखेंगे, जो कई प्रकार के मशीन लर्निंग मॉडलों के केंद्र में होती है। किसी भी मॉडल का प्रदर्शन सीधे तौर पर उसे दिए गए फीचर्स का परिणाम होता है, इसलिए फीचर इंजीनियरिंग प्रक्रिया के केंद्र में डोमेन ज्ञान को रखती है। आप साउंड फीचर इंजीनियरिंग के सिद्धांतों से परिचित होंगे, जिससे जहाँ संभव हो, वेरिएबल्स की संख्या कम करने, लर्निंग एल्गोरिदम को तेज़ चलाने, व्याख्येयता में सुधार करने, और ओवरफिटिंग को रोकने में मदद मिलेगी।R में फीचर इंजीनियरिंग तकनीकों को लागू करें
आप सीखेंगे कि R tidymodels फ्रेमवर्क का उपयोग करके फीचर इंजीनियरिंग तकनीकों को कैसे लागू किया जाए, जिसमें recipe पैकेज पर विशेष जोर दिया गया है, जो आपको अपने मॉडल के लिए सर्वोत्तम फीचर्स बनाने, निकालने, रूपांतरित करने और चुनने में सक्षम बनाएगा।फ़ीचर्स इंजीनियर करें और बेहतर ML मॉडल बनाएं
जब किसी नए डेटासेट का सामना करना पड़ेगा, तो आप प्रासंगिक फीचर्स की पहचान और चयन कर सकेंगे तथा गैर-जानकारीपूर्ण फीचर्स को अनदेखा कर सकेंगे, ताकि सटीकता से समझौता किए बिना आपका मॉडल अधिक तेज़ी से चले। आप अपने मॉडलों को अधिक कुशल, व्याख्येय और सटीक बनाने के लिए ट्रांसफ़ॉर्मेशन लागू करने और नए फीचर्स बनाने में भी सहज हो जाएंगे!पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
Feature Engineering का परिचय
कच्चा डेटा अक्सर विश्लेषण के लिए आदर्श रूप में नहीं होता। इस शुरुआती अध्याय में, आप देखेंगे कि कैसे फीचर्स को ट्रांसफ़ॉर्म और क्रिएट करके अपने मॉडल के प्रदर्शन और व्याख्येयता को बेहतर बनाया जा सकता है।
- Feature engineering क्या है?50 XP
- एक प्रारंभिक मॉडल100 XP
- किसी फीचर को मैन्युअली इंजीनियर करना100 XP
- डोमेन नॉलेज का उपयोग करके नए फीचर बनाना50 XP
- विश्लेषण के लिए अपना डेटा तैयार करना100 XP
- एक वर्कफ़्लो बनाना100 XP
- कच्चे डेटा की सूचना-सामग्री बढ़ाना50 XP
- Missing values की पहचान100 XP
- Missing वैल्यूज़ की इम्प्यूटिंग और dummy वैरिएबल्स बनाना100 XP
- मॉडल को फिट करना और आकलन करना100 XP
- होटल बुकिंग की भविष्यवाणी100 XP
2
Features का रूपांतरण
इस अध्याय में, आप सीखेंगे कि मैन्युअल रूप से फीचर्स बदलने से आगे बढ़कर, आप tidyverse के टूल का उपयोग करके प्रोग्रामेटिक तरीके से नए वैरिएबल्स इंजीनियर कर सकते हैं। आप जानेंगे कि यह तरीका आपके मॉडलों की पुनरुत्पादकता को कैसे बेहतर बनाता है और विशेष रूप से तब उपयोगी होता है जब डेटासेट में बहुत सारे फीचर्स हों।
3
Features का निष्कर्षण
अब आप सीखेंगे कि मॉडल अक्सर डायमेंशनलिटी घटाने और हाई-डायमेंशनल डेटा से फीचर्स निकालने से लाभ उठाते हैं, जिसमें टेक्स्ट डेटा को संख्यात्मक मानों में बदलना, कैटेगोरिकल डेटा को एन्कोड करना, और वैरिएबल्स की प्रेडिक्टिव पावर की रैंकिंग शामिल है। आप principal component analysis, kernel principal component analysis, टेक्स्ट से संख्यात्मक निष्कर्षण, कैटेगोरिकल एन्कोडिंग्स, और वैरिएबल इम्पोर्टेंस स्कोर्स जैसी विधियों का अन्वेषण करेंगे।
4
Features का चयन
आप इस कोर्स का समापन फीचर इंजीनियरिंग और मशीन लर्निंग तकनीकों को सीखकर करेंगे। आप शुरुआत में इस समस्या पर ध्यान देंगे कि किसी मॉडल में उपलब्ध सभी फीचर्स का उपयोग क्यों मुद्दे पैदा कर सकता है, और अप्रासंगिक तथा अनावश्यक फीचर्स की पहचान कर उन्हें हटाना क्यों ज़रूरी है, खासकर lasso और elastic-net जैसी embedded मेथड्स का प्रयोग करके। इसके बाद, आप lasso, ridge, और elastic-net जैसी shrinkage मेथड्स का अध्ययन करेंगे, जो फीचर वेट्स को रेग्युलराइज़ करने या कोएफिशिएंट्स को शून्य पर सेट करके फीचर्स को चुनने में काम आती हैं। अंत में, आप एंड-टू-एंड फीचर इंजीनियरिंग वर्कफ़्लो बनाकर, सीखी हुई अवधारणाओं और फ़ंक्शन्स की समीक्षा करेंगे और एक छोटे से प्रोजेक्ट में अभ्यास करेंगे।
R
R में Feature Engineering
कोर्स
पूरा
