Home
Login

المرحلة الثالثة: البيانات وهندسة الميزات

قائمة منسقة لموارد هندسة الميزات في التعلم الآلي، تغطي طرق وأدوات هندسة الميزات لأنواع البيانات المختلفة مثل البيانات الرقمية والنصية والصور والفئوية والسلاسل الزمنية.

هندسة_الميزاتتعلم_الآلةعلم_البياناتGitHubTextFreeEnglish

مقدمة عن مشروع Awesome Feature Engineering

نظرة عامة على المشروع

Awesome Feature Engineering هي قائمة منسقة مخصصة لجمع موارد تقنيات هندسة الميزات (Feature Engineering) في تعلم الآلة. يتم صيانة هذا المشروع بواسطة Andrei Khobnia، ويتبع ترخيص Creative Commons Attribution-Noncommercial-ShareAlike 3.0 Unported License.

يوفر هذا المشروع لممارسي تعلم الآلة مستودعًا شاملاً لموارد تقنيات هندسة الميزات، ويغطي أساليب وأدوات هندسة الميزات لأنواع البيانات المختلفة.

تصنيفات المحتوى الرئيسية

1. البيانات الرقمية (Numeric Data)

  • تحويل البيانات:

    • تحويل Box-Cox: scipy.stats.boxcox
    • التحويل اللوغاريتمي: np.log (x + const)
  • هندسة الميزات التلقائية:

    • Featuretools: لأتمتة هندسة الميزات
  • تفاعل الميزات:

    • sklearn.preprocessing.PolynomialFeatures: لتوليد الميزات متعددة الحدود
    • عمليات القسمة
    • ميزات تفاعلية أخرى

2. البيانات النصية (Textual Data)

3. بيانات الصور (Image Data)

4. البيانات الفئوية (Categorical Data)

5. بيانات السلاسل الزمنية (Time Series Data)

6. البيانات الجغرافية المكانية (Geospatial Data)

  • تتضمن تقنيات هندسة الميزات المتعلقة بالموقع الجغرافي.

مميزات المشروع

  1. الشمولية: يغطي أنواع البيانات الرئيسية في تعلم الآلة وتقنيات هندسة الميزات المقابلة لها.
  2. العملية: يوفر مكتبات أدوات محددة وتطبيقات برمجية.
  3. المصدر المفتوح: يعتمد ترخيصًا مفتوح المصدر، ويرحب بمساهمات المجتمع.
  4. الموثوقية: يربط بالوثائق والبرامج التعليمية والموارد الأكاديمية الموثوقة.
  5. قابلية التشغيل: يوفر مكتبات بايثون محددة وطرق استدعاء الدوال.

القيمة الاستخدامية

هذا المشروع ذو قيمة خاصة للفئات التالية:

  • مهندسو تعلم الآلة
  • علماء البيانات
  • باحثو هندسة الميزات
  • المبتدئون في تعلم الآلة
  • الممارسون الذين يتطلعون إلى تحسين أداء النموذج

طرق المساهمة

يشجع المشروع مساهمات المجتمع، ويمكن إضافة موارد جديدة أو تحسين المحتوى الحالي عن طريق إنشاء طلبات السحب (pull requests).

الخلاصة

يقدم مشروع Awesome Feature Engineering مستودعًا شاملاً وعمليًا لموارد هندسة الميزات في تعلم الآلة، وهو مرجع مهم لتعلم وتطبيق تقنيات هندسة الميزات. من خلال التصنيف المنهجي وروابط الموارد الغنية، يساعد الممارسين على العثور بسرعة على طرق هندسة الميزات المناسبة لأنواع بيانات محددة.