Les données marketing sont souvent si volumineuses que les humains ne peuvent pas en lire ou en analyser un échantillon représentatif pour comprendre les informations qu'elles contiennent. Dans ce cours, les apprenants utilisent l'apprentissage profond non supervisé pour former des algorithmes afin d'extraire des sujets et des informations à partir de données textuelles. Les apprenants parcourent une vue d'ensemble conceptuelle de l'apprentissage automatique non supervisé et se plongent dans des ensembles de données du monde réel grâce à des tutoriels en Python dirigés par un instructeur. Ce cours utilise les carnets Jupyter et l'environnement de codage Google Colab, un environnement de carnets Jupyter basé sur un navigateur. Les fichiers sont stockés dans Google Drive Ce cours peut être suivi pour des crédits académiques dans le cadre du Master of Science in Data Science (MS-DS) de CU Boulder offert sur la plate-forme Coursera. Le MS-DS est un diplôme interdisciplinaire qui réunit des professeurs des départements de mathématiques appliquées, d'informatique, de sciences de l'information et d'autres départements du CU Boulder. Avec des admissions basées sur la performance et aucun processus de candidature, le MS-DS est idéal pour les personnes ayant un large éventail d'études de premier cycle et / ou d'expérience professionnelle en informatique, en sciences de l'information, en mathématiques et en statistiques. Pour en savoir plus sur le programme MS-DS, consultez le site https://www.coursera.org/degrees/master-of-science-data-science-boulder.
Profitez d'une croissance illimitée avec un an de Coursera Plus pour 199 $ (régulièrement 399 $). Économisez maintenant.
Classification non supervisée de textes pour l'analyse marketing
Ce cours fait partie de Spécialisation Analyse du marketing textuel
Instructeurs : Chris J. Vargo
Inclus avec
Expérience recommandée
Ce que vous apprendrez
Décrire le concept de modélisation des sujets et la terminologie associée (par exemple, l'apprentissage automatique non supervisé)
Appliquer la modélisation des données à des données de marketing par le biais d'un projet évalué par les pairs
Appliquer la modélisation thématique à une variété de cas d'utilisation marketing populaires via des devoirs à la maison
Évaluer, mettre au point et améliorer les performances du modèle de sujet que vous avez créé pour votre projet
Compétences que vous acquerrez
- Catégorie : Visualisation de Données
- Catégorie : Traitement du langage naturel (NLP)
- Catégorie : Analyse exploratoire des données (AED)
- Catégorie : Apprentissage automatique
- Catégorie : Traitement des données
- Catégorie : Deep learning
- Catégorie : Analyse marketing
- Catégorie : Programmation en Python
- Catégorie : Exploration de texte
- Catégorie : Apprentissage automatique appliqué
- Catégorie : Prétraitement de données
- Catégorie : Évaluation de modèles
- Catégorie : JSON
- Catégorie : Données non structurées
- Catégorie : Apprentissage non supervisé
Détails à connaître
Ajouter à votre profil LinkedIn
2 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable
Il y a 5 modules dans ce cours
Dans ce module, nous aborderons les concepts fondamentaux de la modélisation thématique, également connue sous le nom d'Apprentissage automatique non supervisé sur des documents textuels non structurés. Nous opposerons les méthodes non supervisées aux méthodes supervisées et nous passerons en revue les applications courantes de la modélisation thématique.
Inclus
2 vidéos4 lectures1 devoir de programmation1 sujet de discussion
Dans ce module, nous irons sous le capot d'une approche de modélisation thématique et nous comprendrons quelles sont les hypothèses qui déterminent l'ajustement du modèle thématique. Nous découvrirons également le fonctionnement des approches de modélisation thématique par sac de mots et le traitement du langage naturel nécessaire pour produire des caractéristiques de modélisation thématique significatives.
Inclus
2 vidéos1 lecture1 devoir1 devoir de programmation
Dans ce module, nous allons couvrir comment analyser les données de type JSON et les segmenter pour créer un corpus prêt pour le processus de modélisation des données. Nous couvrirons la façon dont les données de votre projet sont structurées et sa taxonomie.
Inclus
2 vidéos2 lectures1 devoir
Dans ce module, nous allons prendre les données d'évaluation d'Amazon et les charger dans un corpus pour les prétraiter. Nous allons couvrir comment construire des modèles de sujets à partir des données et aussi sauvegarder ces modèles de sujets.
Inclus
2 vidéos2 lectures1 évaluation par les pairs
Dans ce module, nous apprendrons à évaluer l'ajustement des modèles de sujet et à utiliser le meilleur modèle de sujet pour classer les documents. Nous verrons également comment construire des modèles de sujet avec des réseaux neurones pré-entraînés.
Inclus
3 vidéos3 lectures1 évaluation par les pairs
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Préparer un diplôme
Ce site cours fait partie du (des) programme(s) diplômant(s) suivant(s) proposé(s) par University of Colorado Boulder. Si vous êtes admis et que vous vous inscrivez, les cours que vous avez suivis peuvent compter pour l'apprentissage de votre diplôme et vos progrès peuvent être transférés avec vous.¹
Instructeurs
Offert par
En savoir plus sur Analyse des Données
Statut : Essai gratuitUniversity of Colorado Boulder
Statut : Essai gratuitUniversity of Colorado Boulder
Statut : Essai gratuitO.P. Jindal Global University
Statut : Essai gratuitO.P. Jindal Global University
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Foire Aux Questions
Pour accéder aux supports de cours, aux devoirs et pour obtenir un certificat, vous devez acheter l'expérience de certificat lorsque vous vous inscrivez à un cours. Vous pouvez essayer un essai gratuit ou demander une aide financière. Le cours peut proposer l'option "Cours complet, pas de certificat". Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la spécialisation et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page Réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn.
Oui, pour certains programmes de formation, vous pouvez demander une aide financière ou une bourse si vous n'avez pas les moyens de payer les frais d'inscription. Si une aide financière ou une bourse est disponible pour votre programme de formation, vous trouverez un lien de demande sur la page de description.
Plus de questions
Aide financière disponible,