Plan du cours

  1. Distribué sous Big Data
    1. Méthodes de Data Mining (Entraînement d'un seul type de machine + prédiction distribuée : Algorithmes traditionnels d'apprentissage automatique + prédiction distribuée Mapreduce,)
    2. Apache Spark MLlib
  2. Recommandation et précision des annonces :
    1. Composants du langage naturel
    2. Regroupement de textes, classification de textes (étiquetage), synonymes
    3. Réduction du profil de l'utilisateur, systèmes d'étiquetage
    4. Stratégies pour les algorithmes de recommandation
    5. Effet de levier entre les classes, effet de levier à l'intérieur des classes, comment être précis ?
    6. Comment construire un algorithme de recommandation en boucle fermée
  3. Régression logistique, RankingSVM.
  4. Reconnaissance des caractéristiques : (apprentissage profond et reconnaissance automatique des caractéristiques des graphes)
  5. Langage naturel
    1. Segmentation des mots chinois
    2. Modélisation des sujets (regroupement de textes)
    3. Classification de texte
    4. Extraction de mots-clés
    5. Analyse sémantique analyseur sémantique, word2vec vers vecteurs de mots
    6. Architecture RNN à mémoire à long terme (TSTM)
 21 Heures

Nombre de participants


Prix ​​par Participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires