Prenez contact avec nous

Plan du cours

  1. Distribution sous Big Data
    1. Méthodes d'extraction de données (entraînement de modèles sur une seule machine + prédiction distribuée : algorithmes d'apprentissage mécanique traditionnels + prédiction distribuée MapReduce)
    2. Apache Spark MLlib
  2. Recommandation et ciblage publicitaire précis :
    1. Segmentation des langues naturelles
    2. Regroupement de texte, classification de texte (étiquettes), synonymes
    3. Restitution du profil utilisateur, système d'étiquettes
    4. Stratégies d'algorithmes de recommandation
    5. Lift entre classes, lift au sein d'une classe, comment assurer la précision
    6. Comment construire une boucle fermée pour les algorithmes de recommandation
  3. Régression logistique, RankingSVM,
  4. Identification des caractéristiques : (identification automatique des caractéristiques par l'apprentissage profond et les graphes)
  5. Langues naturelles
    1. Segmentation des mots chinois
    2. Modèles de sujets (regroupement de texte)
    3. Classification de texte
    4. Extraction de mots-clés
    5. Analyse sémantique : parseur sémantique, passage de Word2Vec aux vecteurs de mots
    6. Architecture RNN Long Short-Term Memory (LSTM)

Pré requis

Il n'y a aucune exigence spécifique pour suivre ce cours.

 21 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires