متلب یک زبان برنامه نویسی پرکاربرد برای محاسبات آماری است. این دوره اصول اولیه انجام مهندسی ویژگی در متلب را به شما آموزش میدهد.
آنچه یاد خواهید گرفت:
MATLAB یک زبان برنامه نویسی پرکاربرد برای محاسبات آماری است. در این دوره آموزشی، انجام مهندسی ویژگی با متلب، دانش پایهای برای درک و پیادهسازی علم داده و مسائل مهندسی ویژگی با متلب را خواهید آموخت. ابتدا، خواهید آموخت که مهندسی ویژگی چیست و چرا میتواند برای ما مفید باشد. در مرحله بعد، نحوه سازماندهی و پاکسازی دادههای خام را در متلب یاد خواهید گرفت. سپس، یاد خواهید گرفت که چگونه دادههای متن و تصویر را با متلب پیش پردازش کنید. در نهایت، نحوه استخراج ویژگیها برای تجزیه و تحلیل در متلب را خواهید آموخت. پس از اتمام این دوره، مهارتها و دانش علوم داده و مبانی مهندسی ویژگیها را با متلب خواهید داشت.
نمونه ویدیوی آموزشی ( زیرنویسها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :
[ENGLISH]
01 Course Overview [2mins]
01-01 Course Overview [2mins]
02 Introducing and Understanding Feature Engineering [10mins]
02-01 Introduction [1mins]
02-02 Introducing Feature Engineering [4mins]
02-03 Implementing Feature Engineering in MATLAB [4mins]
02-04 Summary [1mins]
03 Organizing and Cleaning Data with MATLAB [15mins]
03-01 Introduction [1mins]
03-02 Working with Missing Values [5mins]
03-03 Working with Outliers [3mins]
03-04 Normalizing Variables [5mins]
03-05 Summary [1mins]
04 Preprocessing Data with MATLAB [10mins]
04-01 Introduction [1mins]
04-02 Preprocessing Text Data [5mins]
04-03 Preprocessing Image Data [3mins]
04-04 Summary [1mins]
05 Extracting Features for Analysis [19mins]
05-01 Introduction [1mins]
05-02 Introducing and Working with Scaling and Splitting Data [3mins]
05-03 Introducing and Understanding Correlations [7mins]
05-04 Working with Correlations [5mins]
05-05 Further Learning and Next Steps [2mins]
05-06 Course Summary [1mins]
[فارسی]
01 بررسی اجمالی دوره [2 دقیقه]
01-01 بررسی اجمالی دوره [2 دقیقه]
02 معرفی و درک مهندسی ویژگی [10 دقیقه]
02-01 مقدمه [1 دقیقه]
02-02 معرفی مهندسی ویژگی [4 دقیقه]
02-03 پیادهسازی مهندسی ویژگی در متلب [4 دقیقه]
02-04 خلاصه [1 دقیقه]
03 سازماندهی و تمیز کردن دادهها با MATLAB [15 دقیقه]
03-01 مقدمه [1 دقیقه]
03-02 کار با مقادیر از دست رفته [5 دقیقه]
03-03 کار با Outliers [3 دقیقه]
03-04 عادیسازی متغیرها [5 دقیقه]
03-05 خلاصه [1 دقیقه]
04 پیش پردازش دادهها با MATLAB [10 دقیقه]
04-01 مقدمه [1 دقیقه]
04-02 پیش پردازش دادههای متنی [5 دقیقه]
04-03 پیش پردازش دادههای تصویر [3 دقیقه]
04-04 خلاصه [1 دقیقه]
05 استخراج ویژگیها برای تجزیه و تحلیل [19 دقیقه]
05-01 مقدمه [1 دقیقه]
05-02 معرفی و کار با مقیاس و تقسیم دادهها [3 دقیقه]
05-03 معرفی و درک همبستگیها [7 دقیقه]
05-04 کار با همبستگی [5 دقیقه]
05-05 یادگیری بیشتر و مراحل بعدی [2 دقیقه]
05-06 خلاصه دوره [1 دقیقه]
جاستین فلت یک مهندس مکاترونیک است که در حال حاضر به عنوان استاد در دانشکده علوم و فناوری کاربردی در کالج شریدان کار میکند. جاستین قبلاً در Hydro One Networks، Ford Motor Company و ABB Robotics در هر دو صنعت مهندسی برق و مکانیک سمت داشته است. اخیراً، او به عنوان یک متخصص توسعه محصول و متخصص در آموزش، خدمات و مشاوره در سراسر کشور، از اصول طراحی تا راه حلهای پیشرفته توسعه محصول، کار میکند.