Chevron Left
Machine Learning: Clustering & Retrieval に戻る

ワシントン大学(University of Washington) による Machine Learning: Clustering & Retrieval の受講者のレビューおよびフィードバック

4.7
2,307件の評価

コースについて

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....

人気のレビュー

BK

2016年8月24日

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

2017年1月16日

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.

フィルター:

Machine Learning: Clustering & Retrieval: 1 - 25 / 381 レビュー

by Ernie M

2017年9月25日

by James F

2016年8月10日

by Eugene K

2017年2月10日

by Veeraraghavan

2020年3月2日

by André F d A F C

2016年7月25日

by Dario D G

2020年1月18日

by Edward F

2017年6月25日

by akashkr1498

2019年7月8日

by Bruno K

2016年8月25日

by Pankaj K

2017年9月8日

by Tsz W K

2017年5月14日

by Hamel H

2016年8月7日

by Ken C

2017年2月4日

by Phil B

2018年2月13日

by Sean S

2018年4月3日

by Leonardo D

2019年8月25日

by Luiz C

2018年7月10日

by vacous

2018年4月18日

by Kim K L

2016年10月4日

by Uday A

2017年8月12日

by Diogo A

2020年7月17日

by Ridhwanul H

2017年10月17日

by Abhilash

2017年2月20日

by Swati D

2018年5月2日

by Jie S

2019年12月27日