Dimensionality Reduction using an Autoencoder in Python
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
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.
개발할 기술
단계별 학습
작업 영역이 있는 분할 화면으로 재생되는 동영상에서 강사는 다음을 단계별로 안내합니다.
An introduction to the problem and a summary of needed imports
Dataset creation and preprocessing
Using PCA as a baseline for model performance
Theory behind the autoencoder architecture and how to train a model in scikit-learn
Reducing dimensionality using the encoder half of an autoencoder within scikit-learn
안내형 프로젝트 진행 방식
작업 영역은 브라우저에 바로 로드되는 클라우드 데스크톱으로, 다운로드할 필요가 없습니다.
분할 화면 동영상에서 강사가 프로젝트를 단계별로 안내해 줍니다.
검토
DIMENSIONALITY REDUCTION USING AN AUTOENCODER IN PYTHON 의 최상위 리뷰
Last two videos is really difficult for me, it will be very helpful if you please include some theories behind thode techniques in the reading section.
Very practical and useful introductory course. Looking for the next courses :)
I really enjoyed this course. Thank you very much for the valuable teaching.
자주 묻는 질문
자주 묻는 질문
안내 프로젝트를 구매하면 어떤 혜택이 있습니까?
안내 프로젝트를 구매하면, 시작에 필요한 파일과 소프트웨어가 포함된 클라우드 데스크톱 작업 영역에 웹 브라우저를 통해 접근할 수 있으며, 주제 전문가의 단계별 동영상 지침 등 프로젝트 완료에 필요한 모든 것이 제공됩니다.
데스크톱과 모바일에서 안내 프로젝트를 이용할 수 있습니까?
귀하의 작업 영역에는 노트북이나 데스크톱 컴퓨터에 맞게 용량이 지정된 클라우드 데스크톱이 포함되어 있으므로 모바일 기기에서는 안내 프로젝트를 이용할 수 없습니다.
안내 프로젝트 강사는 누구입니까?
안내 프로젝트 강사는 해당 주제의 전문가로서, 해당 프로젝트 영역이나 도구, 기술에 대한 경험이 풍부하며 전 세계 수백만 명의 학습자와 지식을 적극적으로 공유합니다.
작업 완료 후 안내 프로젝트에서 해당 작업을 다운로드할 수 있습니까?
안내 프로젝트에서 생성된 파일은 모두 다운로드하고 보관할 수 있습니다. 클라우드 데스크톱에 접속한 상태에서 '파일 브라우저'를 사용하여 파일을 다운로드할 수 있습니다.
환불 규정은 어떻게 되나요?
안내 프로젝트는 환불이 불가능합니다. 전체 환불 정책 보기
재정 지원을 받을 수 있나요?
안내 프로젝트에는 재정 지원이 제공되지 않습니다.
안내 프로젝트를 청강하고 동영상 일부를 무료로 볼 수 있습니까?
안내 프로젝트의 청강은 할 수 없습니다.
이 안내 프로젝트를 수행하려면 경험이 얼마나 필요합니까?
페이지 상단에서 이 안내 프로젝트에 대한 경험 수준을 누르면 우선적으로 알아야 하는 지식을 확인할 수 있습니다. 안내 프로젝트의 단계마다 강사가 차례대로 안내해 드립니다.
소프트웨어를 별도로 설치하지 않아도 바로 웹 브라우저를 통해 이 안내 프로젝트를 완료할 수 있습니까?
네, 브라우저를 통해 이용할 수 있는 클라우드 데스크톱에서 안내 프로젝트 완료에 필요한 모든 것을 이용할 수 있습니다.
안내 프로젝트를 통해 어떤 학습 경험을 할 수 있습니까?
브라우저의 분할 화면 환경에서 바로 작업을 완료하여 학습할 수 있습니다. 화면 왼쪽에 있는 작업 영역에서 작업을 완료할 수 있습니다. 화면 오른쪽에서는 강사의 단계별 프로젝트 안내를 볼 수 있습니다.
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.
