Contattataci

Struttura del corso

  1. L’apprendimento automatico distribuito nei big data
    1. Metodi di estrazione dati (modelli univari e predittivi distribuiti: algoritmi tradizionali di apprendimento automatico uniti alla previsione distribuita tramite MapReduce)
    2. Apache Spark MLlib
  2. Recommender e pubblicità mirata:
    1. Elementi dell’elaborazione del linguaggio naturale
    2. Aggruppamento testuale, classificazione dei testi (etichettatura), sinonimi
    3. Creazione di profili utente e sistemi di etichette
    4. Strategie algoritmiche nella creazione di raccomandazioni
    5. Calcolo del lift tra classi e all’interno delle classi, con indicazioni su come ottimizzarne la precisione
    6. Modalità per costruire un ciclo iterativo di sviluppo dei sistemi di raccomandazione
  3. Riduzione logica, Ranking SVM.
  4. Riconoscimento delle caratteristiche: (apprendimento profondo e riconoscimento automatico delle feature grafiche).
  5. Elaborazione del linguaggio naturale
    1. Sintassi cinese
    2. Modelli tematici (clustering testuale)
    3. Classificazione testuale
    4. Estrazione di parole chiave
    5. Analisi semantica, parser semantici e rappresentazioni vettoriali delle parole tramite Word2Vec
    6. Architettura RNN – Long Short-Term Memory (LSTM)

Requisiti

Non vi sono requisiti specifici per partecipare a questo corso.

 21 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (1)

Corsi in Arrivo

Categorie relative