이 강좌는 데이터 마이닝 특화 과정의 일부입니다.

ChengXiang Zhai

제공자:

데이터 마이닝 특화 과정일리노이대학교 어버너-섐페인캠퍼스

이 강좌에 대하여

최근 조회 24,688회

This course will cover the major techniques for mining and analyzing text data to discover interesting patterns, extract useful knowledge, and support decision making, with an emphasis on statistical approaches that can be generally applied to arbitrary text data in any natural language with no or minimum human effort. 
Detailed analysis of text data requires understanding of natural language text, which is known to be a difficult task for computers. However, a number of statistical approaches have been shown to work well for the "shallow" but robust analysis of text data for pattern finding and knowledge discovery. You will learn the basic concepts, principles, and major algorithms in text mining and their potential applications.

학습자 경력 결과

27%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

33%

가 이 강좌를 통해 확실한 경력상 이점을 얻음

10%

가 급여 인상 또는 승진 성취

공유 가능한 수료증

완료 시 수료증 획득

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

다음 특화 과정의 6개 강좌 중 3번째 강좌:

데이터 마이닝 특화 과정

유동적 마감일

일정에 따라 마감일을 재설정합니다.

완료하는 데 약 33시간 필요

영어

자막: 아랍어, 프랑스어, 포르투갈어 (유럽), 중국어 (간체자), 이탈리아어, 베트남어, 한국어, 독일어, 러시아어, 터키어, 영어, 스페인어

귀하가 습득할 기술

Data Clustering AlgorithmsText MiningProbabilistic ModelsSentiment Analysis

학습자 경력 결과

27%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

33%

가 이 강좌를 통해 확실한 경력상 이점을 얻음

10%

가 급여 인상 또는 승진 성취

공유 가능한 수료증

완료 시 수료증 획득

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

다음 특화 과정의 6개 강좌 중 3번째 강좌:

데이터 마이닝 특화 과정

유동적 마감일

일정에 따라 마감일을 재설정합니다.

완료하는 데 약 33시간 필요

영어

자막: 아랍어, 프랑스어, 포르투갈어 (유럽), 중국어 (간체자), 이탈리아어, 베트남어, 한국어, 독일어, 러시아어, 터키어, 영어, 스페인어

강사

강사 평가

4.51/5 (29개의 평가)

ChengXiang Zhai

Professor

Department of Computer Science

83,578명의 학습자

4 Courses

제공자:

일리노이대학교 어버너-섐페인캠퍼스

The University of Illinois at Urbana-Champaign is a world leader in research, teaching and public engagement, distinguished by the breadth of its programs, broad academic excellence, and internationally renowned faculty and alumni. Illinois serves the world by creating knowledge, preparing students for lives of impact, and finding solutions to critical societal needs.

강의 계획 - 이 강좌에서 배울 내용

콘텐츠 평가92%(2,790개의 평가)

주

주 1

완료하는 데 2시간 필요

Orientation

You will become familiar with the course, your classmates, and our learning environment. The orientation will also help you obtain the technical skills required for the course.

완료하는 데 2시간 필요

2개 동영상 (총 15분), 5 개의 읽기 자료, 2 개의 테스트

2개의 동영상

Introduction to Text Mining and Analytics8m

Course Prerequisites & Completion6m

5개의 읽기 자료

Welcome to Text Mining and Analytics!10m

Syllabus15m

About the Discussion Forums15m

Updating your Profile10m

Social Media10m

2개 연습문제

Orientation Quiz15m

Pre-Quiz30m

완료하는 데 4시간 필요

Week 1

During this module, you will learn the overall course design, an overview of natural language processing techniques and text representation, which are the foundation for all kinds of text-mining applications, and word association mining with a particular focus on mining one of the two basic forms of word associations (i.e., paradigmatic relations).

완료하는 데 4시간 필요

9개 동영상 (총 109분), 1 개의 읽기 자료, 2 개의 테스트

9개의 동영상

1.1 Overview Text Mining and Analytics: Part 111m

1.2 Overview Text Mining and Analytics: Part 211m

1.3 Natural Language Content Analysis: Part 112m

1.4 Natural Language Content Analysis: Part 24m

1.5 Text Representation: Part 110m

1.6 Text Representation: Part 29m

1.7 Word Association Mining and Analysis15m

1.8 Paradigmatic Relation Discovery Part 114m

1.9 Paradigmatic Relation Discovery Part 217m

1개의 읽기 자료

Week 1 Overview10m

2개 연습문제

Week 1 Practice Quiz1시간

Week 1 Quiz1시간

주

주 2

완료하는 데 4시간 필요

Week 2

During this module, you will learn more about word association mining with a particular focus on mining the other basic form of word association (i.e., syntagmatic relations), and start learning topic analysis with a focus on techniques for mining one topic from text.

완료하는 데 4시간 필요

10개 동영상 (총 116분), 1 개의 읽기 자료, 2 개의 테스트

10개의 동영상

2.1 Syntagmatic Relation Discovery: Entropy11m

2.2 Syntagmatic Relation Discovery: Conditional Entropy11m

2.3 Syntagmatic Relation Discovery: Mutual Information: Part 113m

2.4 Syntagmatic Relation Discovery: Mutual Information: Part 29m

2.5 Topic Mining and Analysis: Motivation and Task Definition7m

2.6 Topic Mining and Analysis: Term as Topic11m

2.7 Topic Mining and Analysis: Probabilistic Topic Models14m

2.8 Probabilistic Topic Models: Overview of Statistical Language Models: Part 110m

2.9 Probabilistic Topic Models: Overview of Statistical Language Models: Part 213m

2.10 Probabilistic Topic Models: Mining One Topic12m

1개의 읽기 자료

Week 2 Overview10m

2개 연습문제

Week 2 Practice Quiz1시간

Week 2 Quiz1시간

주

주 3

완료하는 데 10시간 필요

Week 3

During this module, you will learn topic analysis in depth, including mixture models and how they work, Expectation-Maximization (EM) algorithm and how it can be used to estimate parameters of a mixture model, the basic topic model, Probabilistic Latent Semantic Analysis (PLSA), and how Latent Dirichlet Allocation (LDA) extends PLSA.

완료하는 데 10시간 필요

10개 동영상 (총 103분), 2 개의 읽기 자료, 3 개의 테스트

10개의 동영상

3.1 Probabilistic Topic Models: Mixture of Unigram Language Models12m

3.2 Probabilistic Topic Models: Mixture Model Estimation: Part 110m

3.3 Probabilistic Topic Models: Mixture Model Estimation: Part 28m

3.4 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 111m

3.5 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 210m

3.6 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 36m

3.7 Probabilistic Latent Semantic Analysis (PLSA): Part 110m

3.8 Probabilistic Latent Semantic Analysis (PLSA): Part 210m

3.9 Latent Dirichlet Allocation (LDA): Part 110m

3.10 Latent Dirichlet Allocation (LDA): Part 212m

2개의 읽기 자료

Week 3 Overview10m

Programming Assignments Overview10m

2개 연습문제

Week 3 Practice Quiz1시간

Quiz: Week 3 Quiz1시간

주

주 4

완료하는 데 5시간 필요

Week 4

During this module, you will learn text clustering, including the basic concepts, main clustering techniques, including probabilistic approaches and similarity-based approaches, and how to evaluate text clustering. You will also start learning text categorization, which is related to text clustering, but with pre-defined categories that can be viewed as pre-defining clusters.

완료하는 데 5시간 필요

9개 동영상 (총 141분), 1 개의 읽기 자료, 2 개의 테스트

9개의 동영상

4.1 Text Clustering: Motivation15m

4.2 Text Clustering: Generative Probabilistic Models Part 116m

4.3 Text Clustering: Generative Probabilistic Models Part 28m

4.4 Text Clustering: Generative Probabilistic Models Part 314m

4.5 Text Clustering: Similarity-based Approaches17m

4.6 Text Clustering: Evaluation10m

4.7 Text Categorization: Motivation14m

4.8 Text Categorization: Methods11m

4.9 Text Categorization: Generative Probabilistic Models31m

1개의 읽기 자료

Week 4 Overview10m

2개 연습문제

Week 4 Practice Quiz1시간

Week 4 Quiz1시간

주

주 5

완료하는 데 4시간 필요

Week 5

During this module, you will continue learning about various methods for text categorization, including multiple methods classified under discriminative classifiers, and you will also learn sentiment analysis and opinion mining, including a detailed introduction to a particular technique for sentiment classification (i.e., ordinal regression).

완료하는 데 4시간 필요

7개 동영상 (총 121분), 1 개의 읽기 자료, 2 개의 테스트

7개의 동영상

5.1 Text Categorization: Discriminative Classifier Part 120m

5.2 Text Categorization: Discriminative Classifier Part 231m

5.3 Text Categorization: Evaluation Part 114m

5.4 Text Categorization: Evaluation Part 210m

5.5 Opinion Mining and Sentiment Analysis: Motivation17m

5.6 Opinion Mining and Sentiment Analysis: Sentiment Classification11m

5.7 Opinion Mining and Sentiment Analysis: Ordinal Logistic Regression13m

1개의 읽기 자료

Week 5 Overview10m

2개 연습문제

Week 5 Practice Quiz1시간

Week 5 Quiz1시간

주

주 6

완료하는 데 4시간 필요

Week 6

During this module, you will continue learning about sentiment analysis and opinion mining with a focus on Latent Aspect Rating Analysis (LARA), and you will learn about techniques for joint mining of text and non-text data, including contextual text mining techniques for analyzing topics in text in association with various context information such as time, location, authors, and sources of data. You will also see a summary of the entire course.

완료하는 데 4시간 필요

8개 동영상 (총 120분), 1 개의 읽기 자료, 2 개의 테스트

8개의 동영상

6.1 Opinion Mining and Sentiment Analysis: Latent Aspect Rating Analysis Part 115m

6.2 Opinion Mining and Sentiment Analysis: Latent Aspect Rating Analysis Part 214m

6.3 Text-Based Prediction12m

6.4 Contextual Text Mining: Motivation6m

6.5 Contextual Text Mining: Contextual Probabilistic Latent Semantic Analysis17m

6.6 Contextual Text Mining: Mining Topics with Social Network Context14m

6.7 Contextual Text Mining: Mining Casual Topics with Time Series Supervision19m

6.8 Course Summary18m

1개의 읽기 자료

Week 6 Overview10m

2개 연습문제

Week 6 Practice Quiz1시간

Week 6 Quiz1시간

데이터 마이닝 특화 과정 정보

The Data Mining Specialization teaches data mining techniques for both structured data which conform to a clearly defined schema, and unstructured data which exist in the form of natural language text. Specific course topics include pattern discovery, clustering, text retrieval, text mining and analytics, and data visualization. The Capstone project task is to solve real-world data mining challenges using a restaurant review data set from Yelp.

자주 묻는 질문

강의 및 과제를 언제 이용할 수 있게 되나요?
강의 및 과제 이용 권한은 등록 유형에 따라 다릅니다. 청강 모드로 강좌를 수강하면 대부분의 강좌 자료를 무료로 볼 수 있습니다. 채점된 과제를 이용하고 수료증을 받으려면 청강 도중 또는 이후에 수료증 경험을 구매해야 합니다. 청강 옵션이 표시되지 않는 경우:
강좌에서 청강 옵션을 제공하지 않을 수 있습니다. 대신 무료 평가판을 사용하거나 재정 지원을 신청할 수 있습니다.
이 전문 분야를 구독하면 무엇을 이용할 수 있나요?
강좌를 등록하면 전문 분야의 모든 강좌에 접근할 수 있고 강좌를 완료하면 수료증을 취득할 수 있습니다. 전자 수료증이 성취도 페이지에 추가되며 해당 페이지에서 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다. 강좌 내용만 읽고 살펴보려면 해당 강좌를 무료로 청강할 수 있습니다.
Is financial aid available?
예, Coursera에서는 수업료를 낼 수 없는 학습자를 위해 재정 지원을 제공합니다. 왼쪽에 있는 등록 버튼 아래 재정 지원 링크를 클릭하면 지원할 수 있습니다. 신청서를 작성하라는 메시지가 표시되며 승인되면 알림을 받습니다. 성취 프로젝트를 포함하여 전문 분야의 각 강좌에서 이 단계를 완료해야 합니다. 자세히 알아보기.
강좌를 수료하면 대학 학점을 받을 수 있나요?
이 강좌는 대학 학점을 제공하지 않지만, 일부 대학에서 선택적으로 강좌 수료증을 학점으로 인정할 수도 있습니다. 자세한 내용은 해당 기관에 문의하세요. Coursera의 온라인 학위 및 Mastertrack™ 수료증은 대학 학점을 취득할 기회를 제공합니다.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.

Text Mining and Analytics

이 강좌에 대하여

학습자 경력 결과

27%

33%

10%

귀하가 습득할 기술

학습자 경력 결과

27%

33%

10%

강사

ChengXiang Zhai

제공자:

일리노이대학교 어버너-섐페인캠퍼스

강의 계획 - 이 강좌에서 배울 내용

주 1

Orientation

Week 1

주 2

Week 2

주 3

Week 3

주 4

Week 4

주 5

Week 5

주 6

Week 6

검토