1. Новые складчины: Показать еще

    08.12.2016: New Total Bomb 2016

    08.12.2016: Большой денежный курс (Ольга Юрковская)

    08.12.2016: Большой комплект тренингов по скоростным продажам недвижимости. Турбозапуск. (Максим Маршал)

    08.12.2016: Университет Делай. Деньги (3 поток) (Леонид Малолетов, Михаил Син)(2016)

    08.12.2016: Обучающий свадебный видеокурс (Игорь Цаплин)

  2. Нужен организатор: Показать еще

    08.12.2016: New Total Bomb 2016

    08.12.2016: Подписка на каппера с сайта-верификатора Бетадвайзер

    08.12.2016: (Повтор) Оффлайн Парсер 2ГИС

    08.12.2016: Тактики для практиков. Подписка 90 дней (roundabout.ru)(Повтор)

    08.12.2016: OkSender – программа для продвижения в социальной сети Одноклассники.

  3. Сбор взносов Показать еще

    07.12.2016: Тестостерон Release 2016 (Арсен Маркарян)- Первый поток последнего онлайн курса

    06.12.2016: Обучение Бизнесу с Китаем от 100$ к 10.000$ за 2 месяца коучинг 17.0 (Версия Платинум)(Дима Ковпак)

    05.12.2016: Энергетическое Восстановление Волос (Аргандини Титизари)(2016)

    05.12.2016: Возраст от 5 до 7 лет. Проблемы и решения (Дмитрий Карпачев)

    05.12.2016: Ответы на тест Яндекс.Метрика

Запись

[ML/Класс] DSCource 4. Прикладные области

Тема в разделе "Курсы по программированию", создана пользователем Telegram, 14 ноя 2015.

Цена:
5000 руб
Взнос:
55 руб
Организатор:
Требуется
Участников:
0/100

(Список пока что пуст. Запишитесь первым!)

    Тип: Стандартная складчина
    1. Telegram

      Telegram Организатор складчин

      [ML/Класс] DSCource 4. Прикладные области

      [​IMG]
      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.

       
      Telegram, 14 ноя 2015
    2. Загрузка...

      Похожие складчины
      1. Telegram
        Запись

        [ML/Класс] DSCource 3. Kaggle Tips & Tricks

        Telegram, 14 ноя 2015, в разделе: Курсы по программированию
      2. Telegram
        Запись

        [ML/Класс] DSCource 2. Data Mining с помощью Python

        Telegram, 14 ноя 2015, в разделе: Курсы по программированию
      3. Telegram
        Запись

        [ML/Класс] DSCource 1. Инструментарий Data Science

        Telegram, 14 ноя 2015, в разделе: Курсы по программированию
      4. Aplication
        Куплено

        DSCource 2. Data Mining с помощью Python (Юрий Кашницкий)

        Aplication, 12 апр 2016, в разделе: Курсы по программированию

Наверх