Contacta con nosotros

Temario del curso

  1. Distribuido bajo big data
    1. Métodos de minería de datos (entrenamiento de modelos en una sola máquina + predicciones distribuidas: algoritmos clásicos de aprendizaje automático + predicción distribuida con MapReduce).
    2. Apache Spark MLlib
  2. Recomendaciones y publicidad dirigida:
    1. Partes del procesamiento del lenguaje natural (PLN).
    2. Agrupamiento textual, clasificación de textos (etiquetas) y sinónimos.
    3. Restauración del perfil de usuario y sistemas de etiquetado.
    4. Estrategias de algoritmos de recomendación.
    5. Lift entre clases, lift intraclase y cómo lograr precisión.
    6. Cómo construir un ciclo cerrado para los algoritmos de recomendación.
  3. Regresión logística, RankingSVM.
  4. Identificación de características: (identificación automática de características mediante aprendizaje profundo y grafos).
  5. Procesamiento del lenguaje natural (PLN)
    1. Segmentación de palabras en chino.
    2. Modelo de tópicos (agrupamiento textual).
    3. Clasificación de textos.
    4. Extracción de palabras clave.
    5. Análisis semántico: analizador sintáctico semántico (semantic parser) y Word2Vec hacia vectores de palabras.
    6. Arquitectura RNN Long Short-Term Memory (LSTM).

Requerimientos

No existen requisitos específicos para participar en este curso.

 21 Horas

Número de participantes


Precio por participante

Reseñas (1)

Próximos cursos

Categorías Relacionadas