1. Новые складчины Показать еще

    19.11.2017: Курс английского по методу Мишеля Томаса

    19.11.2017: Схема. Высокорентабельный бизнес на зимний сезон (2016)

    19.11.2017: Создание SLIDE MOVIE (Сергей Спирин)

    19.11.2017: Голографическая память и мнемотехники (Станислав Мюллер)

    19.11.2017: Секреты сайтов знакомств: Полное руководство по знакомствам с девушками в интернете (Остромецкий)

  2. Гость, если у Вас на каком либо сайте есть аккаунт с повышенным статусом, то и у нас вы можете получить соответствующий статус. Подробнее читайте здесь https://www.skladchik.biz/threads/83942/
    Скрыть объявление
  3. Нужен организатор Показать еще

    18.11.2017: Выращивание рыболовной наживки - бизнес в домашних условиях.

    16.11.2017: Техники гипноза

    15.11.2017: 19 книг Виктора Пелевина + новинка Бентли Литтла

    15.11.2017: Доступ к сайту с ментальными техниками и фокусами...

    15.11.2017: Профайлер-верификатор (эксперт по безаппаратной...

  4. Сбор взносов Показать еще

    11.11.2017: Бизнес Коучинг (Андрей Парабеллум)

    07.11.2017: Курс по работе и заработку с Telegram

    04.11.2017: Боги И Мантры. Пакет Light (Юлия Воронина)

    13.08.2017: Оптовик 3.0 Как продавать оптом и в розницу много и долго! (Ярослав Лепёшкин и Антон Новиков)

    23.07.2017: Pоwer Еnglish Clаss (Наташа Купep)

Открыто [ML/Класс] DSCource 4. Прикладные области

Тема в разделе "Курсы по программированию", создана пользователем Менеджер, 15 ноя 2015.

Цена:
5000р.
Взнос:
55р.

Основной список:

1. Gendalf_beliy
    Тип: Стандартная складчина
    Участников: 1/100
  1. 15 ноя 2015
    #1
    Менеджер
    Менеджер Организатор Организатор

    [ML/Класс] DSCource 4. Прикладные области

    Александр Крот, Прикладные области
    Видео лекций, презентации, ссылки по четвертому курсу данной серии


    "Мы постарались сделать программу так, чтобы в нее входили только самые основные навыки, необходимые в реальной работе. Здесь не будет длинной теории, только практически важные вещи."
    • Александр Крот проведет курс по прикладным задачам в анализе данных, где будут рассмотрены области Text Mining и Graph Theory, а также будут затронуты вопросы машинного обучения на больших данных

    Интеллектуальный анализ текстов (ИАТ, англ. text mining) направление в искусственном интеллекте, целью которого является получение информации из коллекций текстовых документов, основываясь на применении эффективных в практическом плане методов машинного обучения и обработки естественного языка.

    Теория графов раздел дискретной математики, изучающий свойства графов. В общем смысле граф представляется как множество вершин (узлов), соединённых рёбрами. Является широкоприменимой в анализе данных областью знаний, поскольку в виде графов можно удобно представить и описать различные актуальные сущности современного мира как то, например, социальные сети (пользователи и их взаимоотношения), так и Интернет (множество сайтов со ссылками друг на друга).


    Урок 1. Основы Text Mining
    - Извлечение признаков из текстов
    - Метрика TF-IDF
    - Bag of Words как основной инструмент
    - Структура данных word2vec, ее особенности
    - Решение задачи Sentiment Analisys с Kaggle

    Урок 2. Анализ социальных сетей I
    - Базовые понятия теории графов, свойства графов
    - Обход: поиск в глубину, поиск в ширину
    - Нахождение кратчайших путей в графах: алгоритмы Дейкстры, Форда-Беллмана, Флойда
    - Нахождение остовного дерева: агоритмы Краскала, Прима
    - Решение простых задач на графы

    Урок 3. Анализ социальных сетей II
    - Введение в случайные и веб-графы
    - Основные свойства веб-графов - наблюдения Барабаши-Альберт, идея Preferential Attachment
    - Модели случайных графов: Эрдеша-Реньи, Боллобаша-Риордана, модель копирования
    - Основные свойства веб-графов
    - Пример задачи машиннго обучения на графах: Link Prediction
    - Использование свойств веб-графов на практике на примере задачи быстрого нахождения степеней вершин

    Урок 4. Large Scale Machine Learning. Apache Spark
    - Что делать, если обучающая выборка не помещается в оперативную память?
    - Онлайн обучение линейных функций: выбор функции потерь, метрики качества алгоритмов, учет весов объектов
    - Обзор Vowpal Wabbit
    - Реализация алгоритмов машинного обучения в модели вычислений MapReduce
    - Введение в Apache Spark: концепция RDD, кэширование данных в оперативной памяти
    - Основные операции с RDD
    - Работа с shared variables, broadcast variables
    Цена инфопродукта - 5000 руб.

     
    Другие складчины раздела

Участники складчины [ML/Класс] DSCource 4. Прикладные области смогут написать отзыв