Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP

Ten kurs jest dedykowany dla programistów i naukowców danych, którzy chcą zrozumieć i wdrożyć sztuczną inteligencję w swoich aplikacjach. Szczególna uwaga jest poświęcona analizie danych, rozproszonej sztucznej inteligencji oraz przetwarzaniu języka naturalnego.

1. Rozproszone w ramach Big Data
   1. Metody eksploracji danych (szkolenie pojedynczego typu maszyny + predykcja rozproszona: tradycyjne algorytmy uczenia maszynowego + predykcja rozproszona Mapreduce)
   2. Apache Spark MLlib
2. Precyzja rekomendacji i reklam:
   1. Komponenty języka naturalnego
   2. Grupowanie tekstu, klasyfikacja tekstu (etykietowanie), synonimy
   3. Redukcja profilu użytkownika, systemy tagowania
   4. Strategie dla algorytmów rekomendacji
   5. Podnoszenie między klasami, podnoszenie wewnątrz klas, jak być precyzyjnym
   6. Jak zbudować algorytm rekomendacji w zamkniętej pętli
3. Regresja logistyczna, RankingSVM.
4. Rozpoznawanie cech: (głębokie uczenie i automatyczne rozpoznawanie cech grafów)
5. Język naturalny
   1. Segmentacja chińskich słów
   2. Modelowanie tematów (grupowanie tekstu)
   3. Klasyfikacja tekstu
   4. Wyodrębnianie słów kluczowych
   5. Analiza semantyczna parser sementyczny, word2vec do wektorów słów
   6. Architektura RNN z długą pamięcią krótkotrwałą (TSTM)