Course Outline

    Μέθοδος εξόρυξης κατανεμημένων δεδομένων κάτω από μεγάλα δεδομένα (εκπαίδευση μεμονωμένης μηχανής + κατανεμημένη πρόβλεψη: παραδοσιακός αλγόριθμος μηχανικής μάθησης + κατανεμημένη πρόβλεψη Mapreduce,) Apache Spark MLlib
Σύσταση και ακριβής διαφήμιση: το κομμάτι της φυσικής γλώσσας
  • Ομαδοποίηση κειμένων, ταξινόμηση κειμένου (ετικέτες), συνώνυμα
  • Επαναφορά προφίλ χρήστη, σύστημα ετικετών
  • Στρατηγικές αλγορίθμων σύστασης
  • Ανύψωση μεταξύ τάξεων, ανύψωση εντός τάξεων, πώς να είμαστε ακριβείς
  • Πώς να δημιουργήσετε έναν κλειστό βρόχο για αλγόριθμους συστάσεων
  • Logistic regression, RankingSVM,
  • Αναγνώριση χαρακτηριστικών: (Deep Learning και Automatic Feature Recognition of Graphics)
  • Φυσική γλώσσα κατάτμηση λέξεων κινεζικών
  • Μοντέλο θέματος (ομαδοποίηση κειμένου)
  • Κατηγοριοποίηση κειμένου
  • Εξαγωγή λέξεων-κλειδιών
  • Σημασιολογική ανάλυση σημασιολογικός αναλυτής, διάνυσμα word2vec σε λέξη
  • RNN Αρχιτεκτονική μακροπρόθεσμης μνήμης (TSTM).
  •   21 Hours

    Number of participants



    Price per participant

    Testimonials (1)

    Related Courses

    NLP with Python and TextBlob

      14 Hours

    Scaling Data Pipelines with Spark NLP

      14 Hours

    Natural Language Processing (NLP) with TensorFlow

      35 Hours

    NLP: Natural Language Processing with R

      21 Hours

    Python for Natural Language Generation

      21 Hours

    OpenNLP for Text Based Machine Learning

      14 Hours

    Text Summarization with Python

      14 Hours

    Related Categories