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

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

4.6
별점
2,298개의 평가
393개의 리뷰

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 201~225

교육 기관: Fernando B

2017년 2월 21일

Best Course on ML yet on the Web

교육 기관: AANCHAL K

2020년 10월 17일

It was brelient , just no words

교육 기관: Matheus F

2018년 8월 10일

Excelent course! Very helpful!

교육 기관: Ritik R S

2022년 6월 3일

Thank you so much! I love it.

교육 기관: Foo C S G

2018년 3월 4일

Tough slog, but well designed

교육 기관: Roger S

2016년 9월 4일

Worth the wait. COOL learning

교육 기관: Danylo D

2016년 12월 6일

Thank you, it was a good one

교육 기관: Sandeep J

2016년 9월 4일

Best course I've taken!! :)

교육 기관: Nirmal M

2022년 1월 22일

very helpful and inovating

교육 기관: Alessandro B

2017년 12월 15일

very useful and structured

교육 기관: ADAPA S K

2022년 7월 23일

quality ofcontent is good

교육 기관: wonjai c

2020년 5월 19일

difficult but good enough

교육 기관: Mostafa A

2016년 8월 28일

Fantastic course as usual

교육 기관: Gaurav K

2020년 9월 23일

very good course to do.

교육 기관: Jay M

2020년 5월 26일

Very good course for ML

교육 기관: Velpula M K

2019년 12월 6일

Good and best to learn.

교육 기관: Brian N

2018년 5월 20일

This course is exciting

교육 기관: Suryatapa R

2016년 12월 16일

It's an amazing Course.

교육 기관: Aishwarya A

2020년 11월 28일

best place to learn ML

교육 기관: Juan F H Z

2018년 11월 15일

The teacher is awesome

교육 기관: gaozhipeng

2016년 12월 26일

VERY IMPRESSIVE COURSE

교육 기관: Zhongkai M

2019년 2월 12일

Great assignments : )

교육 기관: roi s

2017년 10월 29일

Great, very hands on!

교육 기관: Weituo H

2016년 8월 29일

strongly recommended!

교육 기관: Sukhvir S

2020년 7월 10일

wonderful experience