This course will cover the major techniques for mining and analyzing text data to discover interesting patterns, extract useful knowledge, and support decision making, with an emphasis on statistical approaches that can be generally applied to arbitrary text data in any natural language with no or minimum human effort.
Detailed analysis of text data requires understanding of natural language text, which is known to be a difficult task for computers. However, a number of statistical approaches have been shown to work well for the "shallow" but robust analysis of text data for pattern finding and knowledge discovery. You will learn the basic concepts, principles, and major algorithms in text mining and their potential applications.
Этот курс входит в специализацию ''Специализация Интеллектуальный анализ данных '
Анализ текстовой информации и аналитика
от партнера
Об этом курсе
4.4
Оценки: 358
Приобретаемые навыки
Data Clustering AlgorithmsText MiningProbabilistic ModelsSentiment Analysis
Программа курса: что вы изучите
Неделя
12 ч. на завершение
Orientation
You will become familiar with the course, your classmates, and our learning environment. The orientation will also help you obtain the technical skills required for the course.
2 видео ((всего 15 мин.)), 5 материалов для самостоятельного изучения, 2 тестов
5 материала для самостоятельного изучения
Welcome to Text Mining and Analytics!10мин
Syllabus15мин
About the Discussion Forums15мин
Updating your Profile10мин
Social Media10мин
2 практического упражнения
Orientation Quiz15мин
Pre-Quiz26мин
4 ч. на завершение
Week 1
During this module, you will learn the overall course design, an overview of natural language processing techniques and text representation, which are the foundation for all kinds of text-mining applications, and word association mining with a particular focus on mining one of the two basic forms of word associations (i.e., paradigmatic relations).
9 видео ((всего 109 мин.)), 1 материал для самостоятельного изучения, 2 тестов
9 видео
1.2 Overview Text Mining and Analytics: Part 211мин
1.3 Natural Language Content Analysis: Part 112мин
1.4 Natural Language Content Analysis: Part 24мин
1.5 Text Representation: Part 110мин
1.6 Text Representation: Part 29мин
1.7 Word Association Mining and Analysis15мин
1.8 Paradigmatic Relation Discovery Part 114мин
1.9 Paradigmatic Relation Discovery Part 217мин
1 материал для самостоятельного изучения
Week 1 Overview10мин
2 практического упражнения
Week 1 Practice Quiz
Week 1 Quiz
Неделя
24 ч. на завершение
Week 2
During this module, you will learn more about word association mining with a particular focus on mining the other basic form of word association (i.e., syntagmatic relations), and start learning topic analysis with a focus on techniques for mining one topic from text.
10 видео ((всего 116 мин.)), 1 материал для самостоятельного изучения, 2 тестов
10 видео
2.2 Syntagmatic Relation Discovery: Conditional Entropy11мин
2.3 Syntagmatic Relation Discovery: Mutual Information: Part 113мин
2.4 Syntagmatic Relation Discovery: Mutual Information: Part 29мин
2.5 Topic Mining and Analysis: Motivation and Task Definition7мин
2.6 Topic Mining and Analysis: Term as Topic11мин
2.7 Topic Mining and Analysis: Probabilistic Topic Models14мин
2.8 Probabilistic Topic Models: Overview of Statistical Language Models: Part 110мин
2.9 Probabilistic Topic Models: Overview of Statistical Language Models: Part 213мин
2.10 Probabilistic Topic Models: Mining One Topic12мин
1 материал для самостоятельного изучения
Week 2 Overview10мин
2 практического упражнения
Week 2 Practice Quiz
Week 2 Quiz
Неделя
310 ч. на завершение
Week 3
During this module, you will learn topic analysis in depth, including mixture models and how they work, Expectation-Maximization (EM) algorithm and how it can be used to estimate parameters of a mixture model, the basic topic model, Probabilistic Latent Semantic Analysis (PLSA), and how Latent Dirichlet Allocation (LDA) extends PLSA.
10 видео ((всего 103 мин.)), 2 материалов для самостоятельного изучения, 3 тестов
10 видео
3.2 Probabilistic Topic Models: Mixture Model Estimation: Part 110мин
3.3 Probabilistic Topic Models: Mixture Model Estimation: Part 28мин
3.4 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 111мин
3.5 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 210мин
3.6 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 36мин
3.7 Probabilistic Latent Semantic Analysis (PLSA): Part 110мин
3.8 Probabilistic Latent Semantic Analysis (PLSA): Part 210мин
3.9 Latent Dirichlet Allocation (LDA): Part 110мин
3.10 Latent Dirichlet Allocation (LDA): Part 212мин
2 материала для самостоятельного изучения
Week 3 Overview10мин
Programming Assignments Overview10мин
2 практического упражнения
Week 3 Practice Quiz
Quiz: Week 3 Quiz
Неделя
45 ч. на завершение
Week 4
During this module, you will learn text clustering, including the basic concepts, main clustering techniques, including probabilistic approaches and similarity-based approaches, and how to evaluate text clustering. You will also start learning text categorization, which is related to text clustering, but with pre-defined categories that can be viewed as pre-defining clusters.
9 видео ((всего 141 мин.)), 1 материал для самостоятельного изучения, 2 тестов
9 видео
4.2 Text Clustering: Generative Probabilistic Models Part 116мин
4.3 Text Clustering: Generative Probabilistic Models Part 28мин
4.4 Text Clustering: Generative Probabilistic Models Part 314мин
4.5 Text Clustering: Similarity-based Approaches17мин
4.6 Text Clustering: Evaluation10мин
4.7 Text Categorization: Motivation14мин
4.8 Text Categorization: Methods11мин
4.9 Text Categorization: Generative Probabilistic Models31мин
1 материал для самостоятельного изучения
Week 4 Overview10мин
2 практического упражнения
Week 4 Practice Quiz
Week 4 Quiz
4.4
Рецензии: 9233%
начал новую карьеру, пройдя эти курсы
50%
получил значимые преимущества в карьере благодаря этому курсу
14%
стал больше зарабатывать или получил повышение
Лучшие рецензии
Excellent course, the pipeline they propose to help you understand text mining is quite helpful. It has an important introduction to the most key concepts and techniques for text mining and analytics.
The content of Text Mining and Analytics is very comprehensive and deep. More practise about how formula works would be better. Quiz could be not tough to be completed after attending every lectures.
Преподаватели
ChengXiang Zhai
ProfessorDepartment of Computer Science
Сделайте шаг навстречу диплому магистра.
курс входит в онлайн-программу ''Master in Computer Science' от партнера Иллинойсский университет в Урбане-Шампейне.
Если вы переходите на полную программу, курсы засчитываются при получении диплома.
О Иллинойсский университет в Урбане-Шампейне
The University of Illinois at Urbana-Champaign is a world leader in research, teaching and public engagement, distinguished by the breadth of its programs, broad academic excellence, and internationally renowned faculty and alumni. Illinois serves the world by creating knowledge, preparing students for lives of impact, and finding solutions to critical societal needs.
О специализации ''Интеллектуальный анализ данных '
The Data Mining Specialization teaches data mining techniques for both structured data which conform to a clearly defined schema, and unstructured data which exist in the form of natural language text. Specific course topics include pattern discovery, clustering, text retrieval, text mining and analytics, and data visualization. The Capstone project task is to solve real-world data mining challenges using a restaurant review data set from Yelp.
Courses 2 - 5 of this Specialization form the lecture component of courses in the online Master of Computer Science Degree in Data Science. You can apply to the degree program either before or after you begin the Specialization.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.
Что я получу, оформив подписку на специализацию?
Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera делает лучшее в мире образование доступным каждому, предлагая онлайн-курсы от ведущих университетов и организаций.
© Coursera Inc., 2019 Все права защищены.
