Construisez des classificateurs supervisés fiables à partir de textes marketing et d'étiquettes humaines vérifiables. Les modèles d'apprentissage créent des règles de codage, harmonisent les codages pour obtenir des étiquettes de référence, transforment le texte en caractéristiques prédictives, entraînent un modèle Elastic-Net régularisé, séparent les données d'entraînement des données de validation, et utilisent les erreurs et les courbes d'apprentissage pour évaluer la qualité du modèle et l'intérêt de collecter davantage de données étiquetées.

Classification supervisée de textes pour l'analyse marketing

Classification supervisée de textes pour l'analyse marketing
Ce cours fait partie de Spécialisation "Analyse du marketing textuel"


Instructeurs : Chris J. Vargo
2 356 déjà inscrits
Inclus avec En savoir plus
Demander à Coursera
14 avis
Expérience recommandée
Ce que vous apprendrez
Distinguer la classification supervisée des tâches d'apprentissage textuel non supervisées, créer un recueil de codes d'étiquetage et harmoniser les étiquettes attribuées par plusieurs étiqueteurs pour obtenir des étiquettes de référence.
Transformez du texte brut en une matrice de caractéristiques prédictives prête à être utilisée par un modèle, puis configurez et entraînez un classificateur de texte de type « elastic-net » régularisé.
Évaluer la généralisation à l'aide de données de validation mises de côté et d'indicateurs de classification appropriés.
Interpréter les courbes d'apprentissage afin d'identifier le surapprentissage et la baisse de rendement liée à l'ajout de nouvelles étiquettes.
Compétences que vous acquerrez
- Catégorie : Apprentissage supervisé
- Catégorie : Analyse marketing
- Catégorie : Manipulation de données
- Catégorie : Apprentissage par transfert
- Catégorie : Marketing basé sur les données
- Catégorie : Algorithmes d'apprentissage automatique
- Catégorie : Évaluation du modèle
- Catégorie : Modèle de formation
- Catégorie : Prétraitement des données
- Catégorie : Modélisation prédictive
- Catégorie : Apprentissage statistique des machines
- Catégorie : Exploration de texte
- Catégorie : Ingénierie des fonctionnalités
- Catégorie : Apprentissage automatique appliqué
- Catégorie : Apprentissage profond
- Catégorie : Apprentissage automatique
- Catégorie : Emboîtements
Outils que vous découvrirez
- Catégorie : Tensorflow
- Catégorie : Scikit Learn (Bibliothèque d'apprentissage automatique)
- Catégorie : Programmation Python
Détails à connaître

Ajouter à votre profil LinkedIn
3 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 4 modules dans ce cours
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

University of Colorado Boulder

University of Colorado Boulder
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Foire Aux Questions
Plus de questions
Aide financière disponible,


