Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 21 heures
Plan du cours
- Distribution à l'ère des Big Data
- Méthodes de data mining (entraînement sur modèle mono-machine + prédictions distribuées : algorithmes d'apprentissage automatique traditionnels + prédictions distribuées via Mapreduce),
- Apache Spark MLlib
- Recommandations et ciblage publicitaire précis :
- Aspects du langage naturel
- Regroupement de textes, classification de textes (étiquetage), synonymes
- Restitution du profil utilisateur, système de tagging
- Stratégies d'algorithmes de recommandation
- Lift inter-catégoriel, lift intra-catégoriel, comment améliorer la précision
- Comment construire la boucle de rétroaction des algorithmes de recommandation
- Régression logistique, RankingSVM,
- Extraction de caractéristiques : (extraction automatique de caractéristiques pour l'apprentissage profond et les formes)
- Langage naturel
- Tokenisation du chinois
- Modèle de sujets (regroupement de textes)
- Classification de texte
- Extraction de mots-clés
- Analyse sémantique, analyseur sémantique, passage de Word2Vec aux vecteurs de mots
- Architecture RNN Long short-term memory (LSTM)
Pré requis
Aucun prérequis spécifique n'est exigé pour participer à ce cours.
Nos clients témoignent (1)
This is one of the best hands-on with exercises programming courses I have ever taken.
Laura Kahn
Formation - Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Traduction automatique