masinsko ucenje, tekstualna analitika

Uvod u mašinsko učenje i tekstualnu analitiku

£3,600.00

Uvod u mašinsko učenje i tekstualnu analitiku je intenzivna dvodnevna obuka namenjena organizacijama koje žele unaprede svoja znanja, steknu nove veštine i započnu rad na razvoju Sistema baziranim na mašinskom učenju i automatskoj analizi teksta (analiza sentimenta, chat botovi, pretraga, ektrakcija informacija, itd.). Prvi dan programa fokusiran je na dubinsko razumevanje svih tehnika i koraka implementacije sistema baziranom na mašinskom učenju. Drugi dan programa fokusiran je na tehnike i korake u razvoju sistema za analizu teksta, kao i sistema za preporuku. Kurs polaznike upoznaje sa primerima iz savremene prakse i suočava sa nizom istraživačkih problema koje polaznici moraju da reše. Po završetku kursa polaznici dobijaju sertifikate.

Product Description

Uvod u mašinsko učenje i tekstualnu analitiku je intenzivna dvodnevna obuka namenjena organizacijama koje žele unaprede svoja znanja, steknu nove veštine i započnu rad na razvoju Sistema baziranim na mašinskom učenju i automatskoj analizi teksta (analiza sentimenta, chat botovi, pretraga, ektrakcija informacija, itd.). Prvi dan programa fokusiran je na dubinsko razumevanje svih tehnika i koraka implementacije sistema baziranom na mašinskom učenju. Drugi dan programa fokusiran je na tehnike i korake u razvoju sistema za analizu teksta, kao i sistema za preporuku. Kurs polaznike upoznaje sa primerima iz savremene prakse i suočava sa nizom istraživačkih problema koje polaznici moraju da reše. Po završetku kursa polaznici dobijaju sertifikate.

Prvi dan

  • Uvod u veštačku inteligenciju
  • Domeni veštačke inteligencije (mašinski vid, pokret, sluh, mašinsko razumevanje jezika i učenje, itd.)
  • Definicija mašinskog učenja
  • Resursi za implementaciju mašinskog učenja
  • Pregled dostignuća mašinskog učenja kroz istoriju (primeri sistema baziranim na mašinskom učenju)
  • Tipovi mašinskog učenja
  • Osnovni problemi mašinskog učenja
  • Klasifikacija (Kako predvideti da li će korisnik da kupi ili ne određeni proizvod ukoliko imamo određene podatke o njemu)
  • Regresija (Kako predvideti vrednosti određene varijable u budućnosti na osnovu podataka iz prošlosti, Logistic regression)
  • Grupisanje (Kako kategorisati korisnike po njihovom ponašanju na portalu)
  • Primeri poznatih metoda mašinskog učenja (Perceptron, Linija odlučivanja, Stabla odlučivanja, Naive Bayes, Random Forests, Support Vector Machines).
  • Neuralne mreže i duboko učenje – primena kod klasifikacije slika
  • Odabir parametara i priprema podataka za mašinsko učenje
  • Čitanje i razumevanje izveštaja mašinskog učenja
  • Dobre i loše prakse (under-fitting i over-fitting)

Drugi dan

  • Analiza tekstualnih podataka – uvod
  • Primeri postojećih sistema iz različitih oblasti
  • Dizajn sistema za obradu teksta i jezika
  • Preprocesiranje teksta – prepoznavanje rečenica, fraza, reči
  • Prepoznavanje vrste reči u tekstu i relacija između reči u rečenici
  • Analiza sentimenta (kako prepoznati da li korisnici misle pozitivno ili negativno o određenom brendu ili kompaniji)
  • Analiza tema u tekstu (kako prepoznati reči koje definišu određeni tekst)
  • Prepoznavanje imena ljudi, organizacija, itd
  • Ekstrakcija podataka (automatsko izvlačenje suštinskih podataka iz teksta i čuvanje u struktuiranom formatu – npr bazi podataka)
  • Sinteza jezika (Software koji može da generiše ispravne rečenice u prirodnom jeziku)
  • Sistem za odgovaranje na pitanja (question answering)
  • Integracija Sistema za obradu i generisanje jezika – primer chat bota
  • Sistemi za preporuke i dizajn sistema sa preporuke (Kako na osnovu istorijskih podataka o korisniku preporučiti korisniku najbolji proizvod)

 

Predavači

Kurs drži Nikola Milošević, asistent na Univerzitetu u Mančesteru, Velika Britanije i senior data scientist u Genuine Market Research-u. Nikola je završio osnovne i master studije na Elektrotehničkom fakultetu u Beogradu, nakon čega je upiosao doktorat na Univerzitetu u Mančesteru. Ima nekoliko godina industrijskog iskustva, kao i bogatu akademsko iskustvo u oblasti analize teksta i mašinskog učenja. Držao je predavanja na istaknutim međunarodnim naučnim i komercijalnim konferencijama u Velikoj Britaniji, Italiji, Nemačkoj, Japanu, itd. Član je Asocijacije za računarsku lingvistiku, specijalne interesne grupe za slovenske jezike (ACL SIGSLAV), kao i lider OWASP lokalne zajednije i OWASP Seraphimdroid projekta.

 

Polaznici

Da biste uspešno pohađali ovaj kurs potrebno je osnovno znanje programiranja i matematike (algebra, verovatnoća i statistika, vektori). Kurs je predviđen za grupu do 20 polaznika.

 

SerbiaEnglish