Chevron Left
Machine Learning: Clustering & Retrieval(으)로 돌아가기

워싱턴 대학교의 Machine Learning: Clustering & Retrieval 학습자 리뷰 및 피드백

4.6
별점
2,299개의 평가

강좌 소개

Case Studies: Finding Similar Documents A reader is interested in a specific news article and you want to find similar articles to recommend. What is the right notion of similarity? Moreover, what if there are millions of other documents? Each time you want to a retrieve a new document, do you need to search through all other documents? How do you group similar documents together? How do you discover new, emerging topics that the documents cover? In this third case study, finding similar documents, you will examine similarity-based algorithms for retrieval. In this course, you will also examine structured representations for describing the documents in the corpus, including clustering and mixed membership models, such as latent Dirichlet allocation (LDA). You will implement expectation maximization (EM) to learn the document clusterings, and see how to scale the methods using MapReduce. Learning Outcomes: By the end of this course, you will be able to: -Create a document retrieval system using k-nearest neighbors. -Identify various similarity metrics for text data. -Reduce computations in k-nearest neighbor search by using KD-trees. -Produce approximate nearest neighbors using locality sensitive hashing. -Compare and contrast supervised and unsupervised learning tasks. -Cluster documents by topic using k-means. -Describe how to parallelize k-means using MapReduce. -Examine probabilistic clustering approaches using mixtures models. -Fit a mixture of Gaussian model using expectation maximization (EM). -Perform mixed membership modeling using latent Dirichlet allocation (LDA). -Describe the steps of a Gibbs sampler and how to use its output to draw inferences. -Compare and contrast initialization techniques for non-convex optimization objectives. -Implement these techniques in Python....

최상위 리뷰

JM

2017년 1월 16일

Excellent course, well thought out lectures and problem sets. The programming assignments offer an appropriate amount of guidance that allows the students to work through the material on their own.

BK

2016년 8월 24일

excellent material! It would be nice, however, to mention some reading material, books or articles, for those interested in the details and the theories behind the concepts presented in the course.

필터링 기준:

Machine Learning: Clustering & Retrieval의 381개 리뷰 중 226~250

교육 기관: Omar S

2017년 7월 12일

I loved this course!

교육 기관: Itrat R

2017년 1월 22일

Excellent Course!!!

교육 기관: PAVITHRA B

2020년 9월 29일

VERY USEFUL COURSE

교육 기관: SUBBA R D

2020년 6월 16일

most useful course

교육 기관: Israel C

2017년 8월 15일

Excellent Course!

교육 기관: Antonio P L

2016년 10월 3일

Excellent course.

교육 기관: Ji H

2016년 9월 8일

Very good course!

교육 기관: Igor D

2016년 8월 21일

This was AWESOME!

교육 기관: zhenyue z

2016년 8월 9일

very nice lecture

교육 기관: Anurag B

2019년 12월 20일

Great Experience

교육 기관: Xue

2018년 12월 18일

Great but hard~!

교육 기관: 嵇昊雨

2017년 4월 25일

内容深度可以,对个人的帮助比较大

교육 기관: Daniel W

2016년 12월 23일

Excellent course

교육 기관: Sumit

2016년 9월 17일

Excellent course

교육 기관: Phan T B

2016년 8월 8일

very good course

교육 기관: Md. K H T

2020년 7월 25일

Awesome Course.

교육 기관: IDOWU H A

2018년 5월 20일

Excellent - Goo

교육 기관: vivek k

2017년 5월 25일

awesome course!

교육 기관: Bruno G E

2016년 9월 3일

Simply Amazing!

교육 기관: Christopher D

2016년 8월 9일

Superb course!

교육 기관: Jinho L

2016년 9월 20일

Great! thanks

교육 기관: Sumit K J

2021년 1월 24일

Great Course

교육 기관: Pakomius Y N

2020년 9월 28일

Terima Kasih

교육 기관: Divyanshu S

2020년 8월 27일

Very helpful

교육 기관: JOYDIP M

2020년 7월 30일

very helpful