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

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.

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.

필터링 기준:

Machine Learning: Clustering & Retrieval의 381개 리뷰 중 251~275

교육 기관: Manikant R

2020년 6월 21일

Great course

교육 기관: ANKUR S

2020년 4월 14일

loved it..!!

교육 기관: Hanna L

2019년 9월 2일

Great class!

교육 기관: Mark h

2017년 8월 8일

Very helpful

교육 기관: 邓松

2017년 1월 4일

very helpful

교육 기관: Jiancheng

2016년 10월 26일

Great intro!

교육 기관: Thuong D H

2016년 9월 22일

Good course!

교육 기관: Karundeep Y

2016년 9월 18일

Best Course.

교육 기관: Prathibha A

2021년 12월 6일

good course

교육 기관: Siddharth V B

2020년 11월 29일

nice course

교육 기관: Saurabh A

2020년 9월 24일

very good !

교육 기관: Pradeep N

2017년 2월 21일

"super one,

교육 기관: clark.bourne

2017년 1월 8일

内容丰富实际,材料全。

교육 기관: Salim T T

2021년 4월 27일

Thank you!

교육 기관: VITTE

2018년 11월 11일

Excellent.

교육 기관: Gautam R

2016년 10월 8일

Awesome :)

교육 기관: miguel s

2020년 9월 20일

very well

교육 기관: Neha K

2020년 9월 19일

EXCELLENT

교육 기관: PAWAN S

2020년 9월 17일

excellent

교육 기관: Subhadip P

2020년 8월 4일

excellent

교육 기관: Alan B

2020년 7월 3일

Excellent

교육 기관: RISHABH T

2017년 11월 12일

excellent

교육 기관: Iñigo C S

2016년 8월 8일

Amazing.

교육 기관: Mr. J

2020년 5월 22일

Superb.

교육 기관: Zihan W

2020년 8월 21일

great~