در این دوره ویدئویی شما مفاهیم، ​​مزایا و معایب مختلف الگوریتم های خوشه بندی محبوب را درک خواهید کرد و با اعمال آنها به مجموعه های داده های مختلف، اعمال الگوریتم Latent Dirichlet Allocation به مدل سازی موضوعات، T-SNE و UMAP، بررسی K-Means، خوشه بندی مبتنی بر تراکم و مدل های مخلوط Gaussian، استراتژی های bottom-up و top-down، پیش پردازش متن، مفاهیم مورد نیاز برای اطمینان از تسلط بر الگوریتم های بدون نظارت و غیره آشنا می شوید.

سرفصل:

  • معرفی دوره
  • جایگزینی برای خوشه بندی K-Means
  • خوشه بندی آگلومره: یافتن سلسله مراتب طبیعی
  • خوشه بندی مبتنی بر تراکم: DBSCAN و HDBSCAN
  • مدل های ترکیبی Gaussian
  • مدل سازی موضوع: توصیه های محتوای معناشناختی
  • مدل سازی موضوع: بررسی
  • مدل سازی موضوع: آماده سازی داده های شما
  • مدل سازی موضوع: اجرای مدل ها
  • مدلسازی opic: ارزیابی و تجسم نتایج
  • یادگیری عمیق
  • یادگیری Manifold
  • یادگیری عمیق و مصورسازی: Autoencoders و T-SNE
  • و غیره