Dimensionality Reduction using an Autoencoder in Python

4.6
estrelas

91 classificações

oferecido por

3.249 já se inscreveram

Neste projeto guiado, você irá:

How to generate and preprocess high-dimensional data

How an autoencoder works, and how to train one in scikit-learn

How to extract the encoder portion from a trained model, and reduce dimensionality of your input data

60 minutes
Intermediário
Sem necessidade de download
Vídeo em tela dividida
Inglês
Apenas em desktop

In this 1-hour long project, you will learn how to generate your own high-dimensional dummy dataset. You will then learn how to preprocess it effectively before training a baseline PCA model. You will learn the theory behind the autoencoder, and how to train one in scikit-learn. You will also learn how to extract the encoder portion of it to reduce dimensionality of your input data. In the course of this project, you will also be exposed to some basic clustering strength metrics. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Habilidades que você desenvolverá

  • Dimensionality Reduction

  • Artificial Neural Network

  • Machine Learning

  • clustering

Aprender passo a passo

Em um vídeo reproduzido em uma tela dividida com a área de trabalho, seu instrutor o orientará sobre esses passos:

  1. An introduction to the problem and a summary of needed imports

  2. Dataset creation and preprocessing

  3. Using PCA as a baseline for model performance

  4. Theory behind the autoencoder architecture and how to train a model in scikit-learn

  5. Reducing dimensionality using the encoder half of an autoencoder within scikit-learn

Como funcionam os projetos guiados

Sua área de trabalho é um espaço em nuvem, acessado diretamente do navegador, sem necessidade de nenhum download

Em um vídeo de tela dividida, seu instrutor te orientará passo a passo

Instrutores

Avaliações

Principais avaliações do DIMENSIONALITY REDUCTION USING AN AUTOENCODER IN PYTHON

Visualizar todas as avaliações

Perguntas Frequentes – FAQ

Ao comprar projetos guiados, você recebe tudo o que precisa para completá-los, inclusive acesso a um espaço de trabalho de área de trabalho na nuvem por meio do seu navegador web, que contém o software e os arquivos necessários para iniciar, além de um vídeo de instruções passo a passo de um especialista no assunto.

Como seu espaço de trabalho tem uma área de trabalho na nuvem dimensionada para notebooks e computadores desktop, os projetos guiados não estão disponíveis para dispositivos móveis.

Os instrutores do projeto guiado são especialistas no assunto, têm experiência com a habilidade, a ferramenta ou o domínio do projeto e amam compartilhar seus conhecimentos para ajudar milhões de aprendizes do mundo todo.

Você pode baixar e manter todos os arquivos que foram criados para seu projeto guiado. Para fazer isso, você pode usar o recurso "Navegador de arquivos" enquanto acessa a área de trabalho na nuvem.

Reembolsos não estão disponíveis para projetos guiados. Consulte nossa política de reembolso completa.

Não há auxílio financeiro disponível para projetos guiados.

A participação como ouvinte não está disponível para projetos guiados.

Na parte superior da página, você pode clicar no nível de experiência deste projeto guiado para visualizar os pré-requisitos de conhecimento. Em cada nível dos projetos guiados, seu instrutor o guiará passo a passo.

Sim, tudo o que você precisa para completar o projeto guiado estará disponível em uma área de trabalho na nuvem disponível no seu navegador.

Você aprenderá na prática ao completar tarefas em um ambiente com tela dividida, diretamente em seu navegador. No lado esquerdo da tela, você completa a tarefa no seu espaço de trabalho. No lado direito, você assiste a um instrutor que o guiará pelo projeto, passo a passo.