1. Новые складчины (Клуб Складчик) Показать еще

    19.01.2018: Курс по покерной психологии с Александром Кулицким

    19.01.2018: SEO Рывок (Павел Шульга)

    19.01.2018: Постройте интернет-бизнес под чутким руководством основателей имсайдера до результата

    19.01.2018: На Старт (Александр Пурнов)

    19.01.2018: [mintpro.ru] Роль имиджевого портрета в деятельность инстаграмщика (Lena Mint)

  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://skladchik.biz/threads/83942/
    Скрыть объявление
  3. Нужен организатор (Клуб Складчик) Показать еще

    17.01.2018: Коучинг с 100$ к 100.000$ версия 21.0 (PLATINUM версия) Последний коучинг Дмитрия Ковпака

    16.01.2018: Adobe Photoshop. Базовый курс (Александр Сераков)

    15.01.2018: Бизнес на Амазон. Saleshub. Как заставить листинг продавать? (Артем Коршун)

    14.01.2018: Геометрия (Videouroki) 7-11 класс

    13.01.2018: Колесо новолуний. Луна белой дороги (Лариса Кузнецова-Фетисова)

  4. Сбор взносов (Клуб Складчик) Показать еще

    19.01.2018: SEO Рывок (Павел Шульга)

    12.01.2018: Секреты управления временем для работы со своим здоровьем (Алексей Маматов)

    09.01.2018: Sherlock - научись понимать носителей языка (Онлайн школа живого Английского)

    09.01.2018: Хулиганские стежки. Основные приёмы художественной вышивки животных (Алина Берёзкина)

    09.01.2018: Как оценить масштаб указаний радикса? (Алексей Голоушкин)

Открыто [ML/Класс] DSCource 4. Прикладные области

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

Цена:
5000р.
Взнос:
55р.

Список участников складчины:

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.

     

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