De 0 A 1: Aprendizado De Máquinas, PNL

Simpliv

Descrição do Programa

Leia a Descrição Oficial

De 0 A 1: Aprendizado De Máquinas, PNL

Simpliv

Pré-requisitos: sem pré-requisitos, o conhecimento de alguma matemática de nível de graduação ajudaria, mas não é obrigatório. O conhecimento útil do Python seria útil se você quiser executar o código-fonte fornecido.

Ensinado por um Stanford-educado, ex-Googler e um IIT, IIM-educado ex-Flipkart analista principal. Esta equipe possui décadas de experiência prática em comércio, análise e comércio eletrônico.

Este curso é um tomão para terra, tímido, mas confiante em técnicas de aprendizado de máquinas que você pode trabalhar hoje

Vamos analisar isso.

  • O curso é terra-terra: torna tudo tão simples quanto possível - mas não é mais simples
  • O curso é tímido mas confiante: é autoritário, extraído de décadas de experiência prática -, mas evita complicar desnecessariamente coisas.
  • Você pode colocar o ML para trabalhar hoje: se o Machine Learning for um carro, esse carro o levará a dirigir hoje. Não vai dizer o que é o carburador.
  • O curso é muito visual: a maioria das técnicas são explicadas com a ajuda de animações para ajudá-lo a entender melhor.
  • Este curso também é prático: existem centenas de linhas de código-fonte com comentários que podem ser usados ​​diretamente para implementar processamento de linguagem natural e aprendizado de máquina para o resumo de texto, classificação de texto em Python.
  • O curso também é peculiar . Os exemplos são irreverentes. Muitos pequenos toques: a repetição, o zoom, para que possamos lembrar o grande quadro, aprendizagem ativa com muitos questionários. Há também uma trilha sonora e a arte - tudo mostrado por estudos para melhorar a cognição e o recall.

O que está coberto:

  • Aprendizado de máquinas:

Aprendizado supervisionado / não supervisionado, classificação, agrupamento, detecção de associação, detecção de anomalias, redução de dimensões, regressão.

Naive Bayes, K-vizinhos mais próximos, Máquinas de Vector de Suporte, Redes Neurais Artificiais, K-means, Agrupamento Hierárquico, Análise de Componentes Principais, Regressão linear, Regressão logística, Variáveis ​​aleatórias, Teorema de Bayes, Intervalo de variação de polarização

  • Processamento de linguagem natural com Python:

Corpora, palavras-chave, sinalização de frases e palavras, auto-resumo, análise de sentimento (como um caso especial de classificação), TF-IDF, Document Distance, Text Summarization, Text classification with Naive Bayes e K-Nearest Neighbours e Clustering com K-Means

  • Análise de sentimentos:

Por que é útil, abordagens para resolver - baseadas em regras, baseadas em ML, treinamento, extração de recursos, lexões de sentimento, expressões regulares, API de Twitter, análise de sentimento de Tweets com Python

  • Mitigando a superposição com a Ensemble Learning:

Árvores de decisão e aprendizado de árvores de decisão, Sobreposição em árvores de decisão, Técnicas para mitigar a superposição (validação cruzada, regularização), Ensemble learning e Random forests

Recomendações: filtragem baseada em conteúdo, filtragem colaborativa e aprendizado de regras de associação

Comece com Aprendizagem Profunda: ApplyMulti-layer perceptrons para o MNIST Problema de reconhecimento de dígito

Uma nota sobre o Python: o código em esta classe usa Python 2.7. O código-fonte (com quantidades copiosas de comentários) é anexado como um recurso com todo o código. O código-fonte foi fornecido para Python 2 e Python 3 sempre que possível.

Quem é o público-alvo?

  • Sim! Profissionais analíticos, modeladores, grandes profissionais de dados que não tiveram exposição à máquina de aprendizagem
  • Sim! Engenheiros que querem entender ou aprender aprendizado de máquina e aplicá-lo aos problemas que estão resolvendo
  • Sim! Gerentes de produtos que desejam conversas inteligentes com cientistas de dados e engenheiros sobre aprendizagem de máquinas
  • Sim! Executivos tecnológicos e investidores interessados ​​em dados importantes, aprendizado de máquinas ou processamento de linguagem natural
  • Sim! Graduados de MBA ou profissionais de negócios que buscam passar a um papel bastante quantitativo

CONHECIMENTO BÁSICO

  • Sem pré-requisitos, o conhecimento de alguma matemática de nível de graduação ajudaria, mas não é obrigatório. O conhecimento útil do Python seria útil se você quiser executar o código-fonte fornecido.

O QUE APLICARÁ

  • Identificar situações que exigem o uso da Aprendizado de Máquinas
  • Compreenda qual o tipo de problema de aprendizado de máquina que está resolvendo e escolha a solução apropriada
  • Use Aprendizado de Máquina e Processamento de Linguagem Natural para resolver problemas como classificação de texto, resumo de texto em Python
Essa escola oferece programas em:
  • Inglês


Última atualização February 10, 2018
Duração e Preço
Este curso é Online
Start Date
Data inicial
Inscrições abertas
Duration
Duração
20 horas
Meio Período
Período integral
Price
Preço
19 USD
Locations
EUA - Fremont, Califórnia
Data inicial : Inscrições abertas
Prazo para inscrição Solicitar Informações
Data de conclusão Solicitar Informações
Dates
Inscrições abertas
EUA - Fremont, Califórnia
Prazo para inscrição Solicitar Informações
Data de conclusão Solicitar Informações