糖心vlog官网观看

Zu Beginn des Kurses betrachten wir eine Suchaufgabe, bei der es darum geht, ein Dokument zu finden, das einem Dokument 盲hnlich ist, das jemand gerade liest. Wir betrachten dieses Problem als eine Suche nach dem n盲chsten Nachbarn, ein Konzept, das wir bereits in den Kursen Grundlagen und Regression kennengelernt haben. In diesem Kurs werden Sie jedoch zwei entscheidende Komponenten der Algorithmen genauer unter die Lupe nehmen: die Datendarstellung und die Metrik zur Messung der 脛丑苍濒颈肠丑keit zwischen Datenpunktpaaren. Sie werden den Rechenaufwand des naiven Algorithmus 蹿眉谤 die Suche nach dem n盲chsten Nachbarn untersuchen und stattdessen skalierbare Alternativen implementieren, die 碍顿-叠盲耻尘别 蹿眉谤 die Verarbeitung gro脽er Datens盲tze und ortsabh盲ngiges Hashing (LSH) 蹿眉谤 die Bereitstellung ann盲hernder n盲chster Nachbarn selbst in hochdimensionalen R盲umen verwenden. Sie werden all diese Ideen anhand eines Wikipedia-Datensatzes untersuchen und die Auswirkungen der verschiedenen Optionen auf die Ergebnisse der n盲chsten Nachbarn vergleichen und gegen眉berstellen.

Beim Clustering besteht unser Ziel darin, die Datenpunkte in unserem Datensatz in disjunkte Gruppen einzuteilen. Motiviert durch unsere Fallstudie zur Dokumentenanalyse werden Sie Clustering verwenden, um thematische Gruppen von Artikeln nach "Themen" zu entdecken. Diese Themen werden in dieser un眉berwachten Lernaufgabe nicht vorgegeben. Die Idee ist vielmehr, solche Cluster-Labels auszugeben, die postfaktisch mit bekannten Themen wie "Wissenschaft", "Weltnachrichten" usw. assoziiert werden k枚nnen. Auch ohne solche Post-Facto-Labels werden Sie untersuchen, wie die Clustering-Ausgabe Einblicke in die Beziehungen zwischen den Datenpunkten im Datensatz geben kann. Der erste Clustering-Algorithmus, den Sie implementieren werden, ist k-means, der am weitesten verbreitete Clustering-Algorithmus, den es gibt. Um k-means zu skalieren, lernen Sie das allgemeine MapReduce-Framework 蹿眉谤 die Parallelisierung und Verteilung von Berechnungen kennen und erfahren dann, wie die Iterate von k-means dieses Framework nutzen k枚nnen. Sie werden zeigen, dass k-means eine interpretierbare Gruppierung von Wikipedia-Artikeln liefern kann, wenn es richtig eingestellt ist.

Bei k-means werden die Beobachtungen jeweils einem einzigen Cluster fest zugeordnet, und diese Zuordnungen basieren nur auf den Clusterzentren, anstatt auch die Forminformationen zu ber眉cksichtigen. In unserem zweiten Modul zum Thema Clustering werden Sie probabilistisches, modellbasiertes Clustering durchf眉hren, das (1) einen anschaulicheren Begriff von "Cluster" bietet und (2) die Unsicherheit bei der Zuordnung von Datenpunkten zu Clustern durch "weiche Zuordnungen" ber眉cksichtigt. Sie werden einen weithin n眉tzlichen Algorithmus namens Erwartungsmaximierung (EM) erforschen und implementieren, um diese weichen Zuordnungen sowie die Modellparameter abzuleiten. Um ein Gef眉hl da蹿眉谤 zu bekommen, werden Sie zun盲chst eine visuell ansprechende Aufgabe zum Clustering von Bildern betrachten. Anschlie脽end werden Sie Wikipedia-Artikel clustern, wobei Sie die hohe Dimensionalit盲t der tf-idf-Dokumentendarstellung ber眉cksichtigen werden.

Das Clustering-Modell geht von der Annahme aus, dass die Daten in disjunkte Gruppen unterteilt sind, z.B. Dokumente nach Thema. Oft werden unsere Datenobjekte jedoch besser durch die Zugeh枚rigkeit zu einer Sammlung von Mengen, z.B. mehreren Themen, beschrieben. In unserem vierten Modul werden Sie die latente Dirichlet-Zuordnung (LDA) als Beispiel 蹿眉谤 ein solches gemischtes Zugeh枚rigkeitsmodell kennenlernen, das besonders bei der Dokumentenanalyse n眉tzlich ist. Sie werden die Ergebnisse der LDA interpretieren und verschiedene M枚glichkeiten kennenlernen, wie diese Ergebnisse genutzt werden k枚nnen, z.B. als eine Reihe von gelernten Dokumentenmerkmalen. Die Ideen zur Modellierung gemischter Zugeh枚rigkeit, die Sie durch LDA 蹿眉谤 die Dokumentenanalyse kennenlernen, lassen sich auf viele andere interessante Modelle und Anwendungen 眉bertragen, wie z.B. Modelle sozialer Netzwerke, in denen Personen mehrere Zugeh枚rigkeiten haben.<p>In diesem Modul werden Aspekte der Bayes'schen Modellierung und ein Bayes'scher Inferenzalgorithmus namens Gibbs Sampling vorgestellt. Am Ende des Moduls werden Sie in der Lage sein, einen Gibbs-Sampler 蹿眉谤 LDA zu implementieren.

Am Ende des Kurses fassen wir zusammen, was wir behandelt haben. Dabei handelt es sich sowohl um Techniken, die speziell 蹿眉谤 Clustering und Retrieval geeignet sind, als auch um grundlegende Konzepte des maschinellen Lernens, die im weiteren Sinne n眉tzlich sind.<p>Wir geben einen kurzen Einblick in einen alternativen Clustering-Ansatz, das hierarchische Clustering, mit dem Sie anhand des Wikipedia-Datensatzes experimentieren werden. Im Anschluss an diese Erkundung er枚rtern wir, wie Clustering-盲hnliche Ideen in anderen Bereichen wie der Segmentierung von Zeitreihen angewendet werden k枚nnen. Anschlie脽end gehen wir kurz auf einige wichtige Clustering- und Retrieval-Ideen ein, die wir in diesem Kurs nicht behandelt haben.<p> Zum Abschluss geben wir Ihnen einen 脺berblick dar眉ber, was Sie im weiteren Verlauf der Spezialisierung erwartet.