Автоматическая классификация документов с помощью машинного обучения Часть 1 скачать в хорошем качестве

Автоматическая классификация документов с помощью машинного обучения Часть 1

В данном видео рассматривается пример построение нейронной сети для автоматического процесса классификации документов построенный на библиотеке TensorFlow и Python. Пример сети выложен для использования в сети Amazon Web Services. В первой части мы рассказываем как построить нейронную сеть для классификации. Вторая часть объясняет создание пользовательского интерфейса на Flask. Третья часть описывает процесс развертывания в Digital Ocean. По вопросам обучения на курсах машинного обучения приглашаем в нашу "Школу Больших Данных" Новый 3х-дневный практический курс по основам машинного обучения для специалистов по аналитике данных, разработчиков и руководителей, которые хотят освоить базовые понятия Machine Learning с использованием Python. "Школа Больших Данных" г. Москва По вопросам обучения на курсах машинного обучения приглашаем в нашу «Школа Больших Данных» Обращаться по телефону: +7 (495) 41-41-121 +7 (995) 100-45-63 Чтобы не пропустить информацию о новых курсах, акциях и других событиях Школы Больших Данных, рекомендуем подписаться на нас в социальных сетях: Телеграм-канал: https://t.me/BigDataSchool_ru Facebook:   / bigdataschoolru   Вконтакте: https://vk.com/bdschool_mck LinkedIn:   / bigdataschoolru   Twitter:   / bigdataschoolr   Подписывайтесь и будьте в курсе всех интересных новинок мира Big Data вместе со Школой больших данных - https://www.bigdataschool.ru Продолжительность: 3 дня, 24 академических часа. Соотношение теории к практике 50/50 Курс Введение в машинное обучение представляет собой прикладные основы Machine Learning, включая всю необходимую теорию и практику по этой области искусственного интеллекта. В программе рассмотрено место машинного обучения в современной науке о данных (Data Science) и изложены математические основы методов Machine Learning. Приведены базовые задачи, которые могут быть решены с помощью методов машинного обучения: классификация, кластеризация, регрессионный анализ. Большое внимание уделено практическому решению задач с использованием методов машинного обучения на языке Python. На практике вы самостоятельно создадите, обработаете и проанализируете датасет, решив задачи регрессии, классификации и кластеризации, а также создадите собственный веб-сервис на базе модели машинного обучения. В результате освоения программы курса вы овладеете основными навыками Machine Learning, необходимыми для решения базовых задач в области искусственного интеллекта. Успешно окончив курс Введение в машинное обучение в нашем лицензированном учебном центре «Школа Больших Данных», вы получите сертификат о повышении квалификации государственного образца. Программа курса «Введение в машинное обучение» 1. Место машинного обучения в области искусственного интеллекта Основные понятия; классификация задач, решаемых с помощью методов машинного обучения; виды данных, понятие датасета. Практическая часть: первичный анализ датасета, предобработка данных. 2. Задачи классификации: бинарная и множественная классификация Определение и примеры задач классификации. Математическое описание модели решающего дерева в задачи бинарной классификации. Метрики бинарной классификации. Практическая часть: решение задач бинарной и множественной классификаций. 3. Задачи регрессии Определение и примеры задач регрессии. Математическое описание модели линейной регрессии. Метрики задач регрессии. Способы регуляризации. Практическая часть: решение задачи регрессии. 4. Задача кластеризации Определение и примеры задач кластеризации. Математическое описание модели kNN. Связь кластеризации с понижением размерности пространства объектов датасета. Практическая часть: решение задачи кластеризации и понижения размерности данных. 5. Использование моделей машинного обучения в production Сериализация/десериализация объектов в Python, фреймворк Flask. Практическая часть: создание веб-сервиса на фреймворке Flask.