Nuo 0 Iki 1: Mašininis Mokymasis, NLP

Simpliv

Programos aprašymas

Oficialus aprašymas

Nuo 0 Iki 1: Mašininis Mokymasis, NLP

Simpliv

Būtinos sąlygos: nėra būtinų sąlygų, žinios apie kai kurių bakalauro lygio matematiką padėtų, bet nebūtinai yra privalomos. Darbo žinios apie Python būtų naudingos, jei norite paleisti pateiktą šaltinio kodą.

Mokėsi Stanfordo turintis išsilavinimas, buvęs "Google" darbuotojas ir IIT, IIM - išsilavinęs buvęs "Flipkart" švino analitikas. Ši komanda turi dešimtmečius praktinės patirties prekybos, analizės ir elektroninės komercijos srityje.

Šis kursas yra žemas į žemę, drovus, bet tikrasis, kad vartojate mašinų mokymosi metodus, kuriuos galite įdėti šiandien

Let's parse this.

  • Kursas yra "žemyn į žemę": jis daro viską kuo paprasčiau, bet ne paprasčiau
  • Kursas yra drovus, bet įsitikinęs: jis yra autoritetingas, parengtas praktinės praktinės patirties dešimtmečiais, bet švelnina nuo nereikalingų dalykų.
  • Galite įdėti ML šiandien: jei "Machine Learning" yra automobilis, šis automobilis turės vairuoti šiandien. Tai nepasakys, kas yra karbiuratorius.
  • Kursas yra labai vizualus: dauguma būdų paaiškinama animacijomis, kad padėtų jums geriau suprasti.
  • Šis kursas yra ir praktinis: yra šimtai eilučių šaltinio kodo su komentarais, kurie gali būti naudojami tiesiogiai, siekiant įgyvendinti natūralios kalbos apdorojimą ir mašininį mokymą teksto apibendrinimui, teksto klasifikacijai Python.
  • Kursas taip pat yra keistas . Pavyzdžiai yra nepagarbūs. Keletas šiek tiek paliečia: pasikartojimą, mažinimą, todėl prisimename didelę nuotrauką, aktyvų mokymąsi ir daugybės viktorinų. Taip pat yra tarsi garso takelis, o menas - tai rodo tyrimai, siekiant pagerinti pažinimą ir atšaukimą.

Kas apima:

  • Mašininis mokymasis:

Priežiūra / neapsaugotas mokymas, klasifikavimas, klasteriavimas, asociacijos aptikimas, anomalijų nustatymas, matmenų mažinimas, regresija.

Naive Bayes, K-artimiausi kaimynai, palaikomos vektorinės mašinos, dirbtiniai neuroniniai tinklai, K-priemonės, hierarchinė klasterizacija, pagrindinių komponentų analizė, linijinė regresija, logistikos regresija, atsitiktiniai kintamieji, Bayes teorema, pasipriešinimo-dispersijos kompromisas

  • "Natural Language Processing" su "Python":

TF-IDF, Dokumentų atstumas, Teksto apibendrinimas, Teksto klasifikacija su Naive Bayes'u ir K-artimiausiais kaimynais ir klasteriavimas su K-priemonėmis (angl. "Corpora", "stopwords", "sentence" ir žodinis analizavimas, automatinis apibendrinimas, jausmų analizė

  • Nuotaikos analizė:

Kodėl tai naudinga, sprendimų priėmimo būdai - taisyklės, pagrįstos ML, mokymo, funkcijų išgavimo, jausmų žodžiai, reguliarios išraiškos, "Twitter API", "Tweets" su Python nuotaikos analizė

  • Lengvatos perjungimas su ansamblio mokymu:

Sprendimų medžiai ir sprendimų medžių mokymasis, pergalimas sprendimų medžiams, pernelyg didelio minkštinimo metodai (kryžminis patvirtinimas, sureguliavimas), ansamblio mokymasis ir atsitiktiniai miškai

Rekomendacijos: turinio filtravimas, bendroji filtravimas ir asociacijos taisyklių mokymasis

Pradėkite nuo "Gilus mokymasis": "ApplyMulti-layer perceptronai" naudojami MNIST skaitmenų atpažinimo problemai

Pastaba apie "Python": šioje klasėje visi kodai naudojami "Python 2.7". Šaltinio kodas (su daugybe komentarų) pridedamas kaip šaltinis su visais kodais. Jei tik įmanoma, šaltinio kodas buvo tiek Python 2, tiek Python 3.

Kas yra tikslinė auditorija?

  • Taip! "Analytics" specialistai, modeliuotojai, didieji duomenų specialistai, kurie neturėjo poveikio mašininiam mokymuisi
  • Taip! Inžinieriai, kurie nori suprasti ar išmokti mokytis mašinų ir pritaikyti jas spręstamoms problemoms
  • Taip! Produktų valdytojai, kurie nori turėti intelektualius pokalbius su duomenų mokslininkų ir inžinierių apie mašinų mokymąsi
  • Taip! Technikos vadovai ir investuotojai, kurie domisi dideliais duomenimis, mašinų mokymu ar natūraliu kalbos apdorojimu
  • Taip! MBA absolventai ar verslo specialistai, kurie nori pereiti prie labai kiekybinio vaidmens

PAGRINDINĖS ŽINIOS

  • Jokios prielaidos, kai kurių bakalauro lygio matematikos žinojimas padėtų, bet nebūtų privalomas. Darbo žinios apie Python būtų naudingos, jei norite paleisti pateiktą šaltinio kodą.

Ką sužinosite

  • Nustatykite situacijas, kuriose reikalaujama naudoti mašinų mokymąsi
  • Sužinokite, kokia mašinų mokymosi problema sprendžiama, ir pasirinkite tinkamą sprendimą
  • Naudokite "Machine Learning" ir "Natural Language" apdorojimą, kad išspręstumėte tokias problemas kaip teksto klasifikavimas, teksto apibendrinimas Python
Ši mokykla siūlo tokias studijų programas:
  • Anglų


Paskutinį kartą atnaujinta February 10, 2018
Trukmė ir kaina
Šis kursas yra Internetinės
Start Date
Pradžia
Registracija galima
Duration
Trukmė
20 valandos
Ištęstinės
Dieninės
Price
Kaina
19 USD
Locations
Jungtinės Amerikos Valstijos - Fremont, California
Pradžia : Registracija galima
Galutinis paraiškų davimo terminas Susisiekti su mokykla
Pabaigos data Susisiekti su mokykla
Dates
Registracija galima
Jungtinės Amerikos Valstijos - Fremont, California
Galutinis paraiškų davimo terminas Susisiekti su mokykla
Pabaigos data Susisiekti su mokykla