Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
- Procesamiento distribuido bajo big data
- Métodos de minería de datos (entrenamiento de modelos en máquina única + predicción distribuida: algoritmos de aprendizaje automático tradicionales + predicción distribuida con Mapreduce,)
- Apache Spark MLlib
- Recomendación y publicidad segmentada:
- Partes del procesamiento de lenguaje natural
- Clustering de texto, clasificación de texto (etiquetas), sinónimos
- Restauración del perfil del usuario, sistemas de etiquetas
- Estrategias de algoritmos de recomendación
- Lift entre clases, lift dentro de la clase, cómo segmentar con precisión
- Cómo construir un ciclo cerrado para el algoritmo de recomendación
- Regresión logística, RankingSVM,
- Identificación de características: (identificación automática de características mediante aprendizaje profundo y gráficos)
- Procesamiento de lenguaje natural
- Segmentación de textos en chino
- Modelo de temas (agrupación de texto)
- Clasificación de texto
- Extracción de palabras clave
- Análisis semántico: parser semántico, word2vec hasta vectores de palabras
- Arquitectura RNN de memoria a largo plazo a corto plazo (TSTM)
Requerimientos
Para participar en este curso no existen requisitos específicos.
21 Horas
Reseñas (1)
This is one of the best hands-on with exercises programming courses I have ever taken.
Laura Kahn
Curso - Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Traducción Automática
