Plan du cours

    Distribué avec Big Data Méthodes d'exploration de données (formation d'un seul type de machine + prédiction distribuée : algorithmes traditionnels d'apprentissage automatique + prédiction distribuée Mapreduce,) Apache Spark MLlib
Recommandations et précision de la publicité : Une composante de langage naturel
  • Regroupement de textes, classification de textes (étiquetage), synonymes
  • Réduction du profil de l'utilisateur, système d'étiquetage
  • Stratégies pour les algorithmes de recommandation
  • Ascenseur entre classes, ascenseur à l'intérieur des classes, comment être précis ?
  • Comment construire une boucle fermée pour les algorithmes de recommandation ?
  • Régression logistique, RankingSVM.
  • Reconnaissance des caractéristiques : (apprentissage profond et reconnaissance automatique des caractéristiques des graphes)
  • langage naturel Fractionnement de mots en chinois
  • Modélisation des sujets (regroupement de textes)
  • catégorisation des textes
  • Mots clés de l'extrait
  • Analyse sémantique analyseur sémantique, word2vec vers vecteur de mots
  • Architecture RNN Mémoire à long terme (TSTM)
  •   21 heures
     

    Nombre de participants


    Début

    Fin


    Dates are subject to availability and take place between 09:30 and 16:30.
    Les formations ouvertes requièrent plus de 3 participants.

    Nos Clients témoignent (1)

    Cours Similaires

    Natural Language Processing (NLP) with TensorFlow

      35 heures

    Python for Natural Language Generation

      21 heures

    Catégories Similaires