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


    Starts

    Ends


    Dates are subject to availability and take place between 09:30 and 16:30.
    Open Training Courses require 5+ participants.

    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