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.
Этот курс входит в специализацию ''Специализация Интеллектуальный анализ данных '
от партнера
Специализация Интеллектуальный анализ данных Иллинойсский университет в Урбане-ШампейнеОб этом курсе
Недавно просмотрено: 33,522
Карьерные результаты учащихся
30%
начал новую карьеру, пройдя эти курсы
38%
получил значимые преимущества в карьере благодаря этому курсу
12%
стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 3 из 6 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Прибл. 33 часа на выполнение
Английский
Субтитры: Английский, Корейский
Приобретаемые навыки
Data Clustering AlgorithmsText MiningProbabilistic ModelsSentiment Analysis
Карьерные результаты учащихся
30%
начал новую карьеру, пройдя эти курсы
38%
получил значимые преимущества в карьере благодаря этому курсу
12%
стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 3 из 6 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Прибл. 33 часа на выполнение
Английский
Субтитры: Английский, Корейский
от партнера
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.
Программа курса: что вы изучите
2 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 ч. на завершение
2 видео ((всего 15 мин.)), 5 материалов для самостоятельного изучения, 2 тестов
5 материалов для самостоятельного изучения
Welcome to Text Mining and Analytics!10мин
Syllabus15мин
About the Discussion Forums15мин
Updating your Profile10мин
Social Media10мин
2 практических упражнения
Orientation Quiz15мин
Pre-Quiz30мин
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).
4 ч. на завершение
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 практических упражнения
Week 1 Practice Quiz1ч
Week 1 Quiz1ч
4 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.
4 ч. на завершение
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 практических упражнения
Week 2 Practice Quiz1ч
Week 2 Quiz1ч
10 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 ч. на завершение
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 практических упражнения
Week 3 Practice Quiz1ч
Quiz: Week 3 Quiz1ч
5 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.
5 ч. на завершение
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 практических упражнения
Week 4 Practice Quiz1ч
Week 4 Quiz1ч
Рецензии
Лучшие отзывы о курсе АНАЛИЗ ТЕКСТОВОЙ ИНФОРМАЦИИ И АНАЛИТИКА
от партнера JH9 февр. 2017 г.
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.
от партнера DC24 мар. 2018 г.
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.
от партнера AC11 февр. 2017 г.
This is a very good course. I think it provides a very good foundation of text mining and analytics like PLSA and LDA. More advanced research discussed in the last lecture is also very interesting.
от партнера JS6 июня 2017 г.
The content was very useful, and the preparation of the course denoted much care and preparation by the teacher. I would love to see some modern topics like word embeddings covered in the course!
Специализация Интеллектуальный анализ данных : общие сведения
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.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
- Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
- Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
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.
Is financial aid available?
Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке "Финансовая помощь" слева под кнопкой "Зарегистрироваться". Заполните форму заявления. Если его примут, вы получите уведомление. Обратите внимание: этот шаг необходимо выполнить для каждого курса специализации, в том числе для дипломного проекта. Подробнее
Остались вопросы? Посетите Центр поддержки учащихся.
