✅مرحله دوم MLOps: مهندسی ویژگی‌ها (قسمت چهارم)
🔵تا اینجا یاد گرفتیم که MLOps یه روشیه که کمک می‌کنه مدل‌های یادگیری ماشین رو راحت‌تر بسازیم و توی دنیای واقعی استفاده کنیم. حالا بریم سراغ مرحله دوم: مهندسی ویژگی‌ها.
🔵مهندسی ویژگی‌ها چیه؟⬅️فرض کنیم می‌خوایم یه خونه بخریم. چی برامون مهمه؟ متراژ؟ تعداد اتاق‌ها؟ موقعیتش؟ اینا همون ویژگی‌ها هستن که بهمون کمک می‌کنن تصمیم بگیریم کدوم خونه رو بخریم.
در مورد مدل‌های یادگیری ماشین هم همینطوره. ما باید ویژگی‌های مهمی رو از داده‌ها انتخاب کنیم و به مدل بدیم تا بتونه بر اساس اون‌ها تصمیم بگیره. مثلاً اگه بخوایم مدلی بسازیم که قیمت خونه رو پیش‌بینی کنه، باید ویژگی‌هایی مثل متراژ، تعداد اتاق‌ها، موقعیت جغرافیایی و ... رو به مدل بدیم.
⬅️چرا مهندسی ویژگی‌ها مهمه؟🔵مدل دقیق‌تر: اگه ویژگی‌های خوبی انتخاب کنیم، مدل‌مون دقیق‌تر پیش‌بینی می‌کنه.
🔵مدل ساده‌تر: با انتخاب ویژگی‌های مناسب، می‌تونیم مدل رو ساده‌تر کنیم و احتمال اینکه مدل اشتباه کنه رو کم کنیم.
🔵درک بهتر مدل: وقتی ویژگی‌های خوبی انتخاب کنیم، راحت‌تر می‌تونیم بفهمیم که مدل چطور داره کار می‌کنه.
⬅️چه کارهایی توی مهندسی ویژگی‌ها انجام می‌دیم؟🔵انتخاب ویژگی: از بین همه ویژگی‌ها، اونایی رو انتخاب می‌کنیم که مهم‌ترن.
🔵تبدیل ویژگی: بعضی ویژگی‌ها رو باید به شکل دیگه تبدیل کنیم تا مدل بهتر بتونه ازشون استفاده کنه.
🔵ایجاد ویژگی جدید: بعضی وقت‌ها با ترکیب چند ویژگی، ویژگی جدیدی می‌سازیم که اطلاعات بیشتری به مدل می‌ده.
🔵کاهش تعداد ویژگی‌ها: اگه تعداد ویژگی‌ها خیلی زیاد باشه، می‌تونیم تعدادشون رو کم کنیم تا مدل سریع‌تر کار کنه.
🔵مثال ساده:فرض کنیم می‌خوایم مدلی بسازیم که تشخیص بده یه ایمیل اسپمه یا نه. ویژگی‌های مهمی که می‌تونیم انتخاب کنیم عبارتند از: تعداد کلمات تکراری، وجود کلمات خاص (مثلاً کلماتی که تو ایمیل‌های اسپم زیاد استفاده میشه)، طول ایمیل و ...
#MLops
🚀شتابدهنده هوش مصنوعی اسمارتک
📱Instagram🔵Telegram 
