Скрыть объявление
Более 45000 материалов для скачивания в нашем приватном разделе. Не пропусти, возможно данную складчину уже выкупили и выложили для ознакомления.
Скрыть объявление
Гость отличная новость! Мы открыли доступ к ранее скрытому контенту.

Вам доступно более 44 000 видео уроков, книг и программ без VIP статуса. Более подробно ЗДЕСЬ.

Открыто [ML/Класс] DSCource 4. Прикладные области

Тема в разделе "Программирование", создана пользователем Солнышко, 1 фев 2016.

0/5, Голосов: 0

Этап:
Набор участников
Цена:
5000.00 руб.
Участников:
0 из 20
Организатор:
требуется
0%
Расчетный взнос:
275 руб.
  • (Записывайтесь, чем больше участников, тем меньше расчетный взнос)

  1. Солнышко

    Солнышко Команда форума

    Сообщения:
    19.156
    Симпатии:
    33.479
    Александр Крот, Прикладные области
    Видео лекций, презентации, ссылки по четвертому курсу данной серии


    "Мы постарались сделать программу так, чтобы в нее входили только самые основные навыки, необходимые в реальной работе. Здесь не будет длинной теории, только практически важные вещи."

    • - Александр Крот проведет курс по прикладным задачам в анализе данных, где будут рассмотрены области Text Mining и Graph Theory, а также будут затронуты вопросы машинного обучения на больших данных

    Интеллектуальный анализ текстов (ИАТ, англ. text mining) – направление в искусственном интеллекте, целью которого является получение информации из коллекций текстовых документов, основываясь на применении эффективных в практическом плане методов машинного обучения и обработки естественного языка.

    Теория графов раздел дискретной математики, изучающий свойства графов. В общем смысле граф представляется как множество вершин (узлов), соединённых рёбрами. Является широкоприменимой в анализе данных областью знаний, поскольку в виде графов можно удобно представить и описать различные актуальные сущности современного мира как то, например, социальные сети (пользователи и их взаимоотношения), так и Интернет (множество сайтов со ссылками друг на друга).

    Урок 1. Основы Text Mining
    - Извлечение признаков из текстов
    - Метрика TF-IDF
    - Bag of Words как основной инструмент
    - Структура данных word2vec, ее особенности
    - Решение задачи Sentiment Analisys с Kaggle

    Урок 2. Анализ социальных сетей I
    - Базовые понятия теории графов, свойства графов
    - Обход: поиск в глубину, поиск в ширину
    - Нахождение кратчайших путей в графах: алгоритмы Дейкстры, Форда-Беллмана, Флойда
    - Нахождение остовного дерева: агоритмы Краскала, Прима
    - Решение простых задач на графы

    Урок 3. Анализ социальных сетей II
    - Введение в случайные и веб-графы
    - Основные свойства веб-графов - наблюдения Барабаши-Альберт, идея Preferential Attachment
    - Модели случайных графов: Эрдеша-Реньи, Боллобаша-Риордана, модель копирования
    - Основные свойства веб-графов
    - Пример задачи машиннго обучения на графах: Link Prediction
    - Использование свойств веб-графов на практике на примере задачи быстрого нахождения степеней вершин

    Урок 4. Large Scale Machine Learning. Apache Spark
    - Что делать, если обучающая выборка не помещается в оперативную память?
    - Онлайн обучение линейных функций: выбор функции потерь, метрики качества алгоритмов, учет весов объектов
    - Обзор Vowpal Wabbit
    - Реализация алгоритмов машинного обучения в модели вычислений MapReduce
    - Введение в Apache Spark: концепция RDD, кэширование данных в оперативной памяти
    - Основные операции с RDD
    - Работа с shared variables, broadcast variables

    Цена инфопродукта - 5000 руб.

     
Оценить эту тему:
/5,
Поделиться: