Prenez contact avec nous

Plan du cours

  1. Distribution à grande échelle de données
    1. Méthodes d'exploration de données (entraînement de modèles unitaires + prédictions distribuées : algorithmes d'apprentissage automatique classiques + prédictions distribuées Mapreduce)
    2. Apache Spark MLlib
  2. Recommandations et ciblage publicitaire précis :
    1. Aspects liés au langage naturel
    2. Clustering de texte, classification de texte (étiquetage), synonymes
    3. Restitution de profils utilisateurs, système d'étiquettes
    4. Stratégies d'algorithmes de recommandation
    5. Lift entre classes, lift intra-classe, comment atteindre la précision
    6. Comment construire une boucle fermée pour les algorithmes de recommandation
  3. Régression logistique, RankingSVM,
  4. Extraction de caractéristiques : (extraction automatique de caractéristiques par apprentissage profond et analyse de formes)
  5. Langage naturel
    1. Tokenisation du chinois
    2. Modèles thématiques (clustering 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 pas de prérequis spécifiques pour suivre ce cours.

 21 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires